caracterización de sistemas socio-ecológicos en el...
TRANSCRIPT
Caracterización de sistemas socio-ecológicos en el
Gran Chaco: ¿dónde, cuándo y cómo se transforma
el territorio?
Tesis presentada para optar al título de Doctora de la Universidad de Buenos Aires,
Área Ciencias Agropecuarias
M a r í a V a l l e j o s
Ingeniera Agrónoma – Universidad de Buenos Aires - 2009
Lugar de trabajo: Insti tuto de Investigaciones Fisiológicas y
Ecológicas vinculadas a la Agricultura ( IFEVA)
Facultad de Agronomía - Universidad de Buenos Aires
Escuela para Graduados Ing. Agr. Alberto Soriano
Facultad de Agronomía – Universidad de Buenos Aires
ii
COMITÉ CONSEJERO
Director de tesis
José María Paruelo Ingeniero Agrónomo (Universidad de Buenos Aires)
PhD (Colorado State University)
Co-director de tesis
Domingo Alcaraz-Segura
Licenciado en Ciencias Ambientales (Universidad de Almería)
PhD (Universidad de Almería)
Consejero de Estudios
Esteban Jobbágy Ingeniero Agrónomo (Universidad de Buenos Aires)
PhD (Duke University)
JURADO DE TESIS
Ignacio Gasparri Ingeniero Forestal (Universidad Nacional de la Plata)
PhD (Universidad Nacional de Tucumán)
Juan Pablo Tittonell Ingeniero Agrónomo (Universidad Nacional de Lomas de Zamora)
PhD (Wageningen University)
Unai Pascual Grado en Economía (Universidad del País Vasco)
PhD (University of York).
iii
Fecha de defensa: 28 de marzo de 2017
iv
Al pueblo argentino
v
Agradecimientos
A José, porque es ejemplo, por su entrega, sus consejos, porque además de abrir el
camino formó esta gran familia que es el LART y me hizo parte
A Susana, que sin saberlo es el primer eslabón de esta cadena
A Mingo, por su confianza, su amistad, porque me abrió al mundo y a su equipo
A Esteban, por sus consejos, su entusiasmo contagioso
A Lola, su dulzura, su paz, su sonrisa permanente
A Oggi, su paciencia, su coherencia, los primeros pasos en el LART
A los compañeros del LART: Cami, Seba, Pablo, Lau, Hernán, Marcos, Lu, Gonza,
Gabi, Juli
A los compañeros de Métodos: Santiago, Carlos, Fernando, Pedro, Carina, Laura
A los compañeros de la Universidad de Granada y Almería: Bea, Migue, Javi, Elena,
Antonio, Julio, David, Manu, Javier, Andrés
Al Laboratorio de Teledetección y SIG del INTA Cerrillos: José Volante y equipo
A la Redaf, en especial a Ana Alvarez
A Fede, por acompañarme gran parte del camino
A mis papás, Carlos y Juana, por cada abrazo y los sueños de un mundo mejor
A mis hermanos, Juan, Ana y Clara, que son todo
A Irupé y Camilo, por la alegría que atraviesa océanos
A Baila la Chola, por la música, el arte y el compromiso
Al Gato Gordo, mi segunda familia, amigos para siempre
Al CONICET por financiar y hacer posible este doctorado
A la Facultad que me tocó vivir: a los docentes, no docentes y estudiantes
A la Universidad: Pública, Gratuita y de Calidad
vi
"Declaro que el material incluido en esta tesis es, a mi mejor saber y entender, original
producto de mi propio trabajo (salvo en la medida en que se identifique explícitamente
las contribuciones de otros), y que este material no lo he presentado, en forma parcial o
total, como una tesis en ésta u otra institución."
vii
Publicaciones derivadas de la tesis
Vallejos, M., J.N. Volante , M.J. Mosciaro, L.M Vale, M.L. Bustamante y J.M. Paruelo.
2015. Transformation dynamics of the natural cover in the Dry Chaco ecoregion: A plot
level geo-database from 1976 to 2012. Journal of Arid Environments. 123:3-11.
doi:10.1016/j.jaridenv.2014.11.009.
viii
Índice general
Índice general ............................................................................................................... viii
Índice de Tablas ............................................................................................................. xi
Índice de Figuras ........................................................................................................... xii
Resumen ....................................................................................................................... xvii
Abstract ....................................................................................................................... xviii
Capítulo 1 . Introducción general .................................................................................. 2
1.1. Los cambios en el uso del suelo a escala global ..................................................... 2
1.2. Cuantificación de los Servicios Ecosistémicos ...................................................... 4
1.3. Funcionamiento ecosistémico y nivel de transformación ...................................... 6
1.4. Los sistemas socio-ecológicos ................................................................................ 7
1.5. La importancia del Gran Chaco como región de estudio ....................................... 9
1.6. Objetivos y organización de la tesis ..................................................................... 11
Capítulo 2 . Dinámica de las transformaciones de la cobertura natural en el Chaco
Seco Sudamericano a nivel de lote. ¿Dónde y cuándo se deforesta? ........................ 15
2.1. Introducción .......................................................................................................... 15
2.1.1. La transformación de los ambientes naturales en la región chaqueña ........... 15
2.1.2. Fases de explotación en el Chaco .................................................................. 15
2.1.3. Consecuencias de la deforestación ................................................................ 16
2.1.4. El monitoreo de la deforestación ................................................................... 17
2.2. Objetivos .............................................................................................................. 18
2.3. Materiales y métodos ............................................................................................ 18
2.3.1. Área de estudio .............................................................................................. 18
2.3.2. Procesamiento de imágenes y desarrollo de la base de datos geo-espacial ... 19
2.4. Resultados y discusión ......................................................................................... 22
2.4.1. Evaluación de la base de datos ...................................................................... 22
2.4.2. Dinámica de las transformaciones en la cobertura natural ............................ 23
2.4.3. Tamaño de lotes ............................................................................................. 28
2.4.4. Análisis a nivel de ―parche‖ del área transformada ....................................... 30
2.5. Discusión .............................................................................................................. 32
Capítulo 3 . Integración de procesos biofísicos y sociales para definir Tipos
Funcionales de Socio-Ecosistemas en la región chaqueña argentina. ...................... 35
3.1. Introducción .......................................................................................................... 35
3.1.1. El estudio de los sistemas socio-ecológicos .................................................. 35
3.1.2. La zonificación en el Ordenamiento Territorial Rural. ¿Qué mapear? ......... 35
ix
3.1.3. Aproximación "top-down" vs. "bottom-up"................................................... 36
3.1.4. El enfoque funcional: De Tipos Funcionales de Plantas (TFP) a Tipos
Funcionales de Ecosistemas (TFE) .......................................................................... 37
3.1.5. Un nuevo concepto: Los Tipos Funcionales de Socio-Ecosistemas (TFSE) . 38
3.2. Objetivos .............................................................................................................. 41
3.3. Materiales y métodos ............................................................................................ 41
3.3.1. Extensión del estudio y resolución del análisis ............................................. 41
3.3.2. Variables seleccionadas ................................................................................. 43
3.3.3. Clasificación, mapeo y descripción de TFSE ................................................ 44
3.4. Resultados ............................................................................................................ 46
3.4.1. Correlación entre las variables explicativas .................................................. 46
3.4.2. Definición y descripción de los TFSE ........................................................... 48
3.4.3. Localización y descripción de los grupos y subgrupos TFSE ....................... 51
3.5. Discusión .............................................................................................................. 56
3.5.1. Describir la heterogeneidad ........................................................................... 56
3.5.2. Acerca de las variables seleccionadas ........................................................... 58
3.5.3. Aplicación de TFSE para la planificación del territorio rural ....................... 59
3.5.4. Próximos pasos y consideraciones finales ..................................................... 60
Capítulo 4 . Demanda y provisión de Servicios Ecosistémicos en el Chaco Salteño.
¿Cómo se ven afectados los pueblos originarios por la deforestación y
degradación? .................................................................................................................. 63
4.1. Introducción .......................................................................................................... 63
4.1.1. Aspectos socio-demográficos del Chaco Salteño y conflictos en torno al uso
de la tierra ................................................................................................................ 63
4.1.2. El análisis social para la identificación de los actores vulnerables frente a los
Cambios en el Uso del Suelo ................................................................................... 65
4.1.3. Estimación de la provisión de Servicios Ecosistémicos ................................ 66
4.1.4. Estimación de la demanda de Servicios Ecosistémicos ................................. 67
4.2. Objetivos .............................................................................................................. 68
4.3. Materiales y métodos ............................................................................................ 68
4.3.1. Región de estudio .......................................................................................... 68
4.3.2. Mapa de actores para la identificación de actores vulnerables frente a los
cambios en el uso del suelo ..................................................................................... 71
4.3.3. Estimación del área de demanda potencial y efectiva de Servicios
Ecosistémicos .......................................................................................................... 72
4.3.4. Estimación de tendencias en la provisión de Servicios Ecosistémicos
intermedios en el área de demanda .......................................................................... 74
4.4. Resultados ............................................................................................................ 75
x
4.4.1. Mapa de actores para la identificación de actores vulnerables ..................... 75
4.4.2. Evolución del área de uso remanente para las comunidades ......................... 77
4.4.3. Tendencias de productividad primaria en el área de uso remanente ............. 78
4.5. Discusión .............................................................................................................. 81
Capítulo 5 . Discusión general ...................................................................................... 85
5.1. Contribuciones y resultados más importantes de la tesis ..................................... 85
5.2. El monitoreo de los cambios en el uso del suelo .................................................. 86
5.3. El valor de la perspectiva socio-ecológica para ordenar el territorio ................... 89
5.4. Impacto de los cambios en el uso del suelo sobre la provisión de servicios
ecosistémicos para la toma de decisiones .................................................................... 91
5.5. Consideraciones finales ........................................................................................ 92
Referencias ..................................................................................................................... 94
Anexos .......................................................................................................................... 117
Anexo 1.. ................................................................................................................... 118
Anexo 2.. ................................................................................................................... 123
Anexo 3 ..................................................................................................................... 123
Anexo 4 ..................................................................................................................... 124
Anexo 5 ..................................................................................................................... 125
Anexo 6 ..................................................................................................................... 126
xi
Índice de Tablas
Tabla 2.1. Conjunto de métricas para medir la fragmentación de parches de áreas
transformadas a nivel de paisaje (200 m agregación, agrupando conjuntos de lotes
sin considerar las cortinas forestales) en la ecorregión del Chaco Seco
Sudamericano, para los años 1976, 1986, 1996, 2006 y 2012, en Argentina,
Paraguay y Bolivia. Las barras de colores representan las diferencias relativas
entre años en un índice y país particular. TA = área total (ha), MPS = tamaño
medio del parche (ha), PSCOV = variación porcentual MPS (%), NUMP = número
de parches, DENS = densidad de parches (parches/10 km2), TE = perímetro total de
bordes (m), MSI = Índice medio de forma. ................................................................. 30
Tabla 3.1. Tabla comparativa de enfoques funcionales para la clasificación de: a)
plantas (Tipos Funcionales de Plantas), b) ecosistemas (Tipos Funcionales de
Ecosistemas), c) agentes (Tipos Funcionales de Agentes), y d) socio-ecosistemas
(Tipos Funcionales de Socio-Ecosistemas). ................................................................ 40
Tabla 3.2. Variables utilizadas para la definición de los TFSE a nivel de radio
censal. .......................................................................................................................... 45
Tabla 3.3. Análisis de Componentes Principales. Se muestra el desvío estándar de
cada eje, la proporción de la varianza explicada por cada componente principal y la
proporción acumulada. Son necesarios 10 ejes para explicar el 82,4% de la
variabilidad de los datos .............................................................................................. 49
Tabla 3.4. Autovectores del PCA. Se observa para cada uno de los 17 ejes del PCA
la correlación de las variables que explican la variabilidad de ese eje o componente
principal. BN: superficie de bosques nativos; EV.MEDIA: productividad primaria
neta anual; EVI.CV: estacionalidad de la productividad; DENS.POB: densidad
poblacional; NBI: necesidades básicas insatisfechas; MO.PERM: mano de obra
permanente; ESCUELAS: densidad de escuelas; CULTAN: superficie con cultivos
anuales; CULTFORR: superficie con cultivos forrajeros; CRIA: % de actividad de
cría en el rodeo; RIEGO: superficie regada; TRACT: cantidad de tractores;
CARGA: carga ganadera; DESMO: superficie desmontada; CAMINOS: densidad
de caminos; T.JURIDICO: % de tipo jurídico de productor persona física;
TENENCIA: % régimen de tenencia propietario. ....................................................... 51
Tabla 4.1. Población total, población indígena y % de población indígena respecto
al total para los cinco departamentos y diecisiete municipios de la zona de estudio .. 71
xii
Índice de Figuras
Figura 1.1. Modelo conceptual que ilustra los efectos directos e indirectos del ser
humano en el sistema Tierra, detallando los principales componentes del Cambio
Global (adaptado de Vitousek et al. 1997). ................................................................... 3
Figura 1.2. Esquema general en donde se muestra el vínculo existente entre los
aspectos estructurales y funcionales de los ecosistemas con el bienestar humano.
Los servicios intermedios se encuentran determinados por la estructura y
funcionamiento del ecosistema, y a su vez, por el nivel de stress y perturbación en
el mismo. Las funciones de afectación relacionan los niveles de perturbación (ej:
área deforestada) con la provisión de servicios intermedios. A su vez, las funciones
de producción relacionan a los servicios intermedios con los finales, que a su vez
determinan los beneficios que percibe el ser humano, según necesidades, intereses
y valores. ........................................................................................................................ 5
Figura 1.3. Diagrama conceptual que muestra los principales componentes de los
sistemas socio-ecológicos (modificado de Martín-López et al. 2009). Estos
sistemas están jerárquicamente organizados ya que los diferentes componentes
sociales y ecológicos interactúan en diferentes escalas espacio-temporales, desde la
escala global a la local. El sistema social está compuesto por los actores a nivel
local a global, y sus interrelaciones. Este sistema social demanda servicios
ecosistémicos y se beneficia de éstos –dado que el flujo de servicios influye en el
bienestar humano- y lleva a cabo intervenciones (pesca, agricultura, desmonte, etc.)
que modifican directa o indirectamente el funcionamiento y estructura de los
ecosistemas. En el sistema ecológico también pueden distinguirse múltiples escalas
de análisis que se interrelacionan entre sí. Este sistema provee servicios
ecosistémicos a la sociedad. .......................................................................................... 8
Figura 1.4. Ecorregión del Gran Chaco sudamericano (cartografiado por Olson et al.
2001), incluyendo la porción argentina, boliviana, paraguaya, y una pequeña parte
brasilera. ....................................................................................................................... 10
Figura 1.5. Estructura general de la tesis. ..................................................................... 13
Figura 2.1. Distribución de escenas Landsat en el área de estudio. .............................. 19
Figura 2.2. Izq: Distribución espacial de las áreas transformadas 1976-2012 en la
eco-región del Chaco Seco Sudamericano. El color gris más oscuro corresponde a
las áreas protegidas dentro de la región. Der: Detalle de lotes transformados en tres
zonas de Bolivia (1), Paraguay (2) y Argentina (3). .................................................... 24
Figura 2.3. (a) Área transformada acumulada para el período 1976-2012, (b) Tasa
de transformación anual "q%" (FAO, 1995) en el período 1976-2012 en la porción
argentina, boliviana y paraguaya del Chaco Seco. ...................................................... 25
Figura 2.4. Tasa de transformación anual ―q%‖ (FAO 1995) para los cinco períodos
de análisis (1940-1976, 1976-1986; 1986-1996; 1996-2006; 2006-2012) por país,
en la porción correspondiente a la ecorregión del Chaco Seco Sudamericano. .......... 26
Figura 2.5. (a) Área natural remanente (miles de ha) y (b) Tasa de transformación
anual "q%" (FAO, 1995) durante cinco períodos (1940-1976, 1976-1986; 1986-
1996; 1996-2006; 2006-2012) en unidades administrativas secundarias
xiii
correspondiente a la ecorregión del Chaco Seco Sudamericano. Para cada unidad
administrativa secundaria, se evaluaron las tendencias de acuerdo con el modelo de
mejor ajuste según coeficiente de determinación. ns: regresión no significativa; **:
regresión lineal; * regresión exponencial. ................................................................... 27
Figura 2.6. Evolución del tamaño medio de lote desde 1976 hasta 2012 para los
cinco períodos de análisis (1940-1976, 1976-1986; 1986-1996; 1996-2006; 2006-
2012) por país, en la porción correspondiente a la ecorregión del Chaco Seco
Sudamericano. El tamaño medio de lote aumentó en Paraguay y Argentina,
mientras que en Bolivia disminuyó. ............................................................................ 28
Figura 2.7. Distribución de frecuencias relativas (a cada año) para distintas
categorías de tamaño de lotes transformados en los cinco períodos de análisis
(1940-1976, 1976-1986; 1986-1996; 1996-2006; 2006-2012) por país, en la
porción correspondiente a la ecorregión del Chaco Seco Sudamericano.
Significancia de las regresiones: ns: regresión no significativa; *: p <0,5 ; **: p
<0,05 ; ***: p <0,01. .................................................................................................... 29
Figura 2.8. Distribución de frecuencias relativas (a cada año) para distintas
categorías de tamaño de parches transformados (lotes agregados a 200 m,
descontando las cortinas forestales) a nivel de paisaje en los cinco períodos de
análisis (1940-1976, 1976-1986; 1986-1996; 1996-2006; 2006-2012) por país, en la
porción correspondiente a la ecorregión del Chaco Seco Sudamericano.
Significancia de regresiones: ns: regresión no significativa; *: p <0,5 ; **: p <0,05 ;
***: p <0,01. ................................................................................................................ 31
Figura 3.1. El área de estudio comprende 10 provincias y 116 departamentos
correspondientes a la ecorregión chaqueña argentina (chaco seco y chaco húmedo). 42
Figura 3.2. Diagrama conceptual de los elementos que componen un sistema socio-
ecológico. Elaboración propia a partir de Resilience Alliance (2010). ....................... 43
Figura 3.3. Análisis de correlación entre las variables explicativas. El coeficiente de
correlación entre dos variables se encuentra representado por elipses (cuanto más
pronunciada es la forma del elipse mayor es la correlación). A la izquierda del
gráfico se observa la leyenda para los coeficientes de correlación entre las variables
(grados de azul para correlaciones positivas y grados de rojo para correlaciones
negativas). Elaborado con el paquete corrplot de R. BN: superficie de bosques
nativos; BN: superficie de bosques nativos; EV.MEDIA: productividad primaria
neta anual; EVI.CV: estacionalidad de la productividad; DENS.POB: densidad
poblacional; NBI: necesidades básicas insatisfechas; MO.PERM: mano de obra
permanente; ESCUELAS: densidad de escuelas; CULTAN: superficie con cultivos
anuales; CULTFORR: superficie con cultivos forrajeros; CRIA: % de actividad de
cría en el rodeo; RIEGO: superficie regada; TRACT: cantidad de tractores;
CARGA: carga ganadera; DESMO: superficie desmontada; CAMINOS: densidad
de caminos; T.JURIDICO: % de tipo jurídico de productor persona física;
TENENCIA: % régimen de tenencia propietario. ....................................................... 47
Figura 3.4. Análisis jerárquico para la determinación de los grupos y sub-grupos de
Tipos Funcionales de Socio-Ecosistemas. Se incluyeron 330 radios censales en el
xiv
análisis. Se realizó un primer corte para la determinación de 3 grupos y un segundo
corte para la determinación de 8 sub-grupos. .............................................................. 49
Figura 3.5. Análisis de componentes principales para los 8 subgrupos de TFSE. El
primer eje explica el 21,6% de la variabilidad de los datos, mientras que el segundo
eje, el 10,9%. BN: superficie de bosques nativos; EV.MEDIA: productividad
primaria neta anual; EVI.CV: estacionalidad de la productividad; DENS.POB:
densidad poblacional; NBI: necesidades básicas insatisfechas; MO.PERM: mano
de obra permanente; ESCUELAS: densidad de escuelas; CULTAN: superficie con
cultivos anuales; CULTFORR: superficie con cultivos forrajeros; CRIA: % de
actividad de cría en el rodeo; RIEGO: superficie regada; TRACT: cantidad de
tractores; CARGA: carga ganadera; DESMO: superficie desmontada; CAMINOS:
densidad de caminos; T.JURIDICO: % de tipo jurídico de productor persona física;
TENENCIA: % régimen de tenencia propietario. ....................................................... 50
Figura 3.6. Tipos Funcionales de Socio-Ecosistemas (TFSE) correspondientes al
año 2001, derivados a partir de datos censales e información proveniente de
imágenes de satélite MODIS, a nivel de radio censal en el área de estudio. Los
diagramas en "flor" ubicados a la izquierda y derecha del mapa ilustran la
cuantificación relativa al máximo de cada variable utilizada para la conformación
de los TFSE según la longitud de los pétalos (ver colores en la leyenda de abajo).
Cada flor representa el conjunto de variables que definen un sub-grupo de TFSE.
Existe una variación entre los sub-grupos dentro de un grupo, pero es menor que la
variación entre grupos. BN: superficie de bosques nativos; EV.MEDIA:
productividad primaria neta anual; EVI.CV: estacionalidad de la productividad;
DENS.POB: densidad poblacional; NBI: necesidades básicas insatisfechas;
MO.PERM: mano de obra permanente; ESCUELAS: densidad de escuelas;
CULTAN: superficie con cultivos anuales; CULTFORR: superficie con cultivos
forrajeros; CRIA: % de actividad de cría en el rodeo; RIEGO: superficie regada;
TRACT: cantidad de tractores; CARGA: carga ganadera; DESMO: superficie
desmontada; CAMINOS: densidad de caminos; T.JURIDICO: % de tipo jurídico
de productor persona física; TENENCIA: % régimen de tenencia propietario. .......... 53
Figura 3.7. Caracterización Tipos Funcionales de Socio-Ecosistemas (TFSE) a nivel
de grupo en términos de las variables utilizadas para su conformación. Los
diagramas de caja y bigote muestran los cuartiles Q1, Q2 (mediana) y Q3, y la
dispersión de cada variable para cada uno de los tres grupos de TFSS. En rojo:
grupo 1; en verde: grupo 2; en azul: grupo 3. BN: superficie de bosques nativos;
EV.MEDIA: productividad primaria neta anual; EVI.CV: estacionalidad de la
productividad; DENS.POB: densidad poblacional; NBI: necesidades básicas
insatisfechas; MO.PERM: mano de obra permanente; ESCUELAS: densidad de
escuelas; CULTAN: superficie con cultivos anuales; CULTFORR: superficie con
cultivos forrajeros; CRIA: % de actividad de cría en el rodeo; RIEGO: superficie
regada; TRACT: cantidad de tractores; CARGA: carga ganadera; DESMO:
superficie desmontada; CAMINOS: densidad de caminos; T.JURIDICO: % de tipo
jurídico de productor persona física; TENENCIA: % régimen de tenencia
propietario. ................................................................................................................... 54
xv
Figura 3.8. Caracterización Tipos Funcionales de Socio-Ecosistemas (TFSE) a nivel
de sub-grupo en términos de las variables utilizadas para su conformación. Los
diagramas de caja y bigote muestran los cuartiles Q1, Q2 (mediana) y Q3, y la
dispersión de cada variable para cada uno de los tres grupos de TFSS. En gama de
rojos (amarillo, naranja y rojo): sub-grupos 1a, 1b y 1c; en gama de verdes (verde
claro y oscuro): sub-grupo 2a y 2b; en gamas de azules (celeste claro, celeste
oscuro y azul petróleo): sub-grupo 3a, 3b y 3c. BN: superficie de bosques nativos;
EV.MEDIA: productividad primaria neta anual; EVI.CV: estacionalidad de la
productividad; DENS.POB: densidad poblacional; NBI: necesidades básicas
insatisfechas; MO.PERM: mano de obra permanente; ESCUELAS: densidad de
escuelas; CULTAN: superficie con cultivos anuales; CULTFORR: superficie con
cultivos forrajeros; CRIA: % de actividad de cría en el rodeo; RIEGO: superficie
regada; TRACT: cantidad de tractores; CARGA: carga ganadera; DESMO:
superficie desmontada; CAMINOS: densidad de caminos; T.JURIDICO: % de tipo
jurídico de productor persona física; TENENCIA: % régimen de tenencia
propietario. ................................................................................................................... 55
Figura 4.1. Principales conceptos relacionados con los esquemas de clasificación de
servicios ecosistémicos adoptadas por el Millennium Ecosystem Assessment
(2005) y el desarrollado por Fisher et al. (2009). Las flechas negras indican la
relación entre las diferentes categorías de servicios ecosistémicos y la estructura y
funcionamiento ecosistémico. Tal relación se define a través de las funciones de
producción. Las líneas de puntos representan la relación entre las categorías de SE.
Las líneas discontinuas representan la influencia de las necesidades, intereses y
valores de los seres humanos en la definición de los SE y en los beneficios en los
dos esquemas clasificación (adaptado de Volante et al. 2012). ................................... 64
Figura 4.2. Izq arriba: Ubicación del área de estudio (con borde rojo) en la porción
del chaco salteño. Se muestra la precipitación media anual (Hijmans et al. 2005) en
el continente sudamericano. Izq abajo: Cinco departamentos de estudio, en la
provincia de Salta. Der: Municipios pertenecientes a la zona de estudio. Los puntos
negros representan la ubicación de las 202 comunidades originarias relevadas en la
zona (Leake 2008). Se muestran los lotes deforestados antes y después del año
2000 (datos actualizados hasta fines del 2015 http://monitoreodesmonte.com.ar/).
En el departamento de Rivadavia se encuentra casi la mitad (48%) de las
comunidades censadas, en San Martín el 39%, en Anta el 12% y el 1% restante se
distribuye entre Metán y Orán. .................................................................................... 70
Figura 4.3. Izq: Distancia media recorrida por integrantes de las comunidades
(Leake 2008) para las actividades. Se muestra el desvío estándar de los datos con
líneas punteadas. El número de muestras se encuentra entre paréntesis al lado de
cada actividad del eje x. Los límites para la delimitación de los buffers utilizados
para la estimación del área de demanda potencial de servicios ecosistémicos se
encuentra marcada en tres colores. Der: Área de demanda potencial de servicios
ecosistémicos para las 202 comunidades censadas, calculadas según las distancias
medias recorridas para el aprovechamiento de tres tipos de recursos (áreas buffer).
Los puntos negros representan la ubicación de las comunidades. Las líneas negras
xvi
representan las distancias recorridas por miembros de las comunidades (no todas
las comunidades están censadas). ................................................................................ 73
Figura 4.4. Representación esquemática del área de demanda potencial (izq) y el
área de uso efectiva o remanente (der), en los tres buffers (08, 14 y 18 km de radio)
centradas en cada una de las 202 comunidades, para el período 2000-2015. .............. 74
Figura 4.5. Mapa de actores de la zona de estudio. Se incluyen los actores relevantes
para la problemática principal de la zona (las transformaciones en el uso del suelo).
Los actores están dispuestos según su grado de poder y nivel de dependencia frente
al uso y gestión de los servicios ecosistémicos. Las flechas rojas y verdes indican
relaciones de conflicto y sinergia entre los actores. .................................................... 76
Figura 4.6. Evolución promedio del área de uso remanente para las 202
comunidades analizadas en el este de Salta. Las unidades están relativizadas a la
superficie demandada (o área de uso potencial). Se muestran los valores para los
tres buffers en el período 2001-2015. .......................................................................... 77
Figura 4.7. Promedio de pendientes significativas de EVI por departamento para las
tres áreas buffer. Se usaron series temporales del producto EVI (MOD13Q1) y se
calcularon las pendientes utilizando la prueba Mann Kendall para evaluar
significancia. Para la medición de EVI año a año en el período 2001-2015 se
consideró el área de uso efectiva anual, es decir descontando los píxeles
coincidentes con áreas desmontadas en cada año. Para esto se utilizó la base de
datos elaborada en el Capítulo 2 (actualizada en http://monitoreodesmonte.com.ar).
No se observaron tendencias positivas significativas. Los porcentajes que
acompañan cada barra representan el porcentaje de comunidades con pendiente
negativa significativa (valor relativo a las comunidades presentes en cada
departamento). ............................................................................................................. 79
Figura 4.8. Dinámica estacional de la EVI (Enhanced Vegetation Index) para las tres
áreas buffer (8, 14 y 18 km). En el eje de la izquierda se muestra la media anual de
EVI. En el primer eje de la derecha se muestra el porcentaje de comunidades con
tendencias mensuales significativas positivas (azul) y negativas (rojo) (p<0.05)
para el período 2001-2015. En el segundo eje de la izquierda se muestran las
tendencias promedio para cada mes positivas (línea punteada azul) y negativas
(línea punteada roja). ................................................................................................... 80
Figura 5.1. Comparación de la base de datos geo-espacial elaborada en el Capítulo 2
a escala de lote (izquierda) y la elaborada por Hansen et al. (2013) (derecha) a
escala de pixel. La base de datos propia se encuentra disponible en
www.monitoreodesmonte.com.ar/descargas para su descarga en formato vectorial,
mientras que la de Hansen et al. (2013) se encuentra disponible para su descarga en
formato raster en http://earthenginepatners.appspot.com/science-2013-global-
forest. Se observan algunas diferencias en la clasificación de los años, y el efecto
del "bandeado" proveniente de las imágenes Landsat 7 (que posee una falla técnica
en el sensor). ................................................................................................................ 88
xvii
TÍTULO: Caracterización de sistemas socio-ecológicos en el Gran Chaco: ¿dónde,
cuándo y cómo se transforma el territorio?
Resumen
La expansión agrícola en la ecorregión del Gran Chaco es en la actualidad uno de los
problemas ambientales más complejos y preocupantes del Cono Sur, por la rapidez de
los cambios, sus consecuencias ambientales y problemáticas sociales que desencadena.
El objetivo general de esta tesis caracterizar los procesos de transformación de la
cobertura de vegetación natural en el Chaco Seco sudamericano y estudiar sus
consecuencias sobre actores sociales vulnerables. Para esto se elaboró una base de datos
geo-espacial de lotes deforestados (período 1976-2012), se exploró la influencia de los
cambios en el uso del suelo en la configuración socio-ecológica del territorio, y se
estimaron las caídas en la provisión de servicios ecosistémicos intermedios causada por
la deforestación y degradación del bosque para los actores más vulnerables frente a los
cambios en el uso del suelo (comunidades de pueblos originarios). Se observaron tasas
de transformación anual crecientes entre 1976 y 2012, y hacia finales de 2012, 15,8
millones de hectáreas de cobertura original en el Chaco Seco habían sido transformadas
a tierras de cultivo o pastizales. Se aplicó un nuevo marco conceptual y metodológico
para la caracterización de Tipos Funcionales de Socio-Ecosistemas (TFSE) en la región
de estudio, integrando aspectos biofísicos y sociales en porciones definidas del
territorio, cuya identificación y mapeo permitiría mejorar los esquemas de planificación
y gestión del territorio. El área de uso de las comunidades para obtener productos
básicos de subsistencia (servicios finales) no sólo se vio reducida, sino que disminuyó la
provisión de servicios ecosistémicos intermedios del área de bosque remanente en los
últimos 15 años, considerando cantidad total y distribución anual (duración de la
estación productiva). La metodología e información generadas en este trabajo son útiles
para evaluar las consecuencias socio-ambientales de la deforestación y asistir a la
planificación territorial.
Palabras clave: Sistemas socio-ecológicos, cambios en el uso del suelo, deforestación,
sensores remotos, servicios ecosistémicos.
xviii
TITLE: Characterization of Socio-Ecological Systems in the Gran Chaco: ¿Where,
When and How is the Territory Transformed?
Abstract
The agricultural expansion in the Gran Chaco ecoregion is currently one of the most
challenging and worrying problems in the Southern Cone, due to the speed of the
changes, its environmental consequences and the social issues that it triggers. The
overall objective of the thesis is to characterize the natural cover transformation in the
South American Dry Chaco and to study its consequences on the most vulnerable social
actors. To this aim, a geospatial database of deforested plots was prepared (1976-2012
period), influence of land use changes in the social-ecological configuration of the
territory was explored, and drops in intermediate ecosystem services supply caused by
deforestation and forest degradation were estimated for the most vulnerable actors
against land use changes (indigenous peoples communities). Increasing annual rates of
deforestation were observed between 1976 and 2012, and by the end of 2012, 15.8
million hectares of original forest in the Dry Chaco had been converted to cropland or
pasture. A new conceptual and methodological framework for characterizing Social-
Ecological Functional Types (SEFT) was applied in the study region, integrating
biophysical and social aspects in defined portions of the territory, whose identification
and mapping would improve planning schemes and land use management. The
communities usage area for basic subsistence products (final services) was not only
reduced, but the intermediate ecosystem services supply in the remaining forest area
was reduced in the last 15 years, considering total quantity and its annual distribution
(duration of productive season) decreased. The methodology and information generated
in this study are useful for evaluating the social and environmental consequences of
deforestation and to assist the land use planning.
Key words: Socio-Ecological Systems, Land Use Changes, Deforestation, Remote
Sensing, Ecosystem Services.
1
Capítulo 1
Introducción general
2
Capítulo 1. Introducción general
1.1. Los cambios en el uso del suelo a escala global
Durante los últimos 60 años, la actividad humana ha cambiado a los ecosistemas a una
tasa y extensión mucho mayor que en cualquier otro período comparable de la historia
(Steffen et al. 2015). El número de investigaciones que alertan sobre estos impactos está
creciendo notablemente (Foley et al. 2005, Rockström et al. 2009, Blomqvist et al.
2013). Cada vez existen más pruebas de que el funcionamiento de los ecosistemas se
está viendo afectado por los seres humanos en un grado que pone en peligro su
capacidad de recuperación.
El término "Antropoceno" (Crutzen 2002) se acuñó para denominar la era geológica,
˗suplementaria al Holoceno˗ en donde domina la acción humana. Según un estudio
realizado por Vitousek et al. (1997), entre un tercio y la mitad de la superficie terrestre
ha sido transformada por la acción humana. Para Ellis et al. (2010), el 55% de los
biomas de la Tierra ya han sido convertidos a tierras de cultivo, pasturas, asentamientos
humanos y otros usos. En palabras de Vitousek, "...está claro que vivimos en un planeta
dominado por humanos". Al conjunto de todos estos cambios ambientales influenciados
por las actividades humanas, con efectos que trascienden el ámbito local o regional para
afectar el funcionamiento global del sistema Tierra, se le ha denominado Cambio
Global (Steffen et al. 2005).
La transformación de tierras para la producción de alimentos representa la alteración
humana más importante a nivel global (Turner et al. 1993, Lambin et al. 1999).
Vitousek et al. (1997) proponen un modelo conceptual que permite analizar los efectos
directos e indirectos de la actividad humana sobre la Tierra (Figura 0.1). El crecimiento
poblacional y el aumento de la demanda de alimentos y energía son considerados los
principales motores de las transformaciones. Los cambios en el uso y cobertura del
suelo tienen consecuencias directas sobre la pérdida de biodiversidad (el componente
biótico), pero además altera la forma en que el ecosistemas interactúan con la atmósfera
(el componente abiótico). En particular, afectan al clima a través de alteraciones
biogeoquímicas (ej. cambio en el ciclo de nutrientes) y biogeofísicas (ej. cambios en el
albedo) (Vitousek 1994, Foley et al. 2005), los cuales generan cambios en los flujos de
radiación, el calor y la evapotranspiración, e impactan tanto en el clima local como en el
regional (Pielke et al. 2002, Bonan 2008).
En la actualidad, la deforestación es considerada uno de los principales cambios en el
uso del suelo, y hay una preocupación internacional por la conservación de los bosques
(GOFC-GOLD 2007). Según un estudio realizado por Hansen et al. (2013), entre el
2000 y el 2010 se perdieron 2,3 millones de kilómetros cuadrados de bosques a nivel
global, y aproximadamente la cuarta parte de la pérdida global de superficie forestal (54
mil kilómetros cuadrados) ocurrió en Sudamérica. Si bien en un principio los bosques
tropicales fueron la principal fuente para la incorporación de nuevas tierras agrícolas
(Gibbs et al. 2010), la deforestación no tardó en expandirse a los bosques subtropicales.
De hecho, del total de la deforestación registrada en Sudamérica entre los años 2000 y
2010, el 42% fue en la región amazónica, mientras que el 58% fue en regiones extra-
amazónicas (Salazar et al. 2015). La deforestación extra-amazónica, ha ocurrido
principalmente en el Cerrado brasilero (Machado et al. 2004), la Chiquitanía boliviana
(Killeen et al. 2008, Müller et al. 2012) y el Gran Chaco Sudamericano (Pacheco y
Mertens 2004, Clark et al. 2010, Caldas et al. 2013).
3
Figura 0.1. Modelo conceptual que ilustra los efectos directos e indirectos
del ser humano en el sistema Tierra, detallando los principales
componentes del Cambio Global (adaptado de Vitousek et al. 1997).
Según Hansen et al. (2013) , entre los años 2001 y 2012, en el Chaco Seco se registraron
una de las mayores transformaciones de ambientes naturales a tierras agropecuarias, por
lo que esta región se ha convertido recientemente en el foco de atención para numerosas
investigaciones. La remoción de extensas áreas de bosques xerofíticos tiene fuertes
vínculos con el mercado mundial de productos básicos, y más concretamente con la
creciente demanda de carne, resultante del crecimiento poblacional y el cambio dietario
(Kastner et al. 2012). En particular, el cultivo de soja ˗ utilizado principalmente para la
alimentación animal˗ se convirtió en un importante motor de deforestación en América
Latina (Richards et al. 2012, Gasparri et al. 2013) y muy recientemente también de la
transformación de ambientes naturales en África (Gasparri et al. 2016). El cambio en el
uso y cobertura del suelo en los bosques chaqueños se ha convertido en una cuestión
sustancial tanto para los responsables de políticas, como para la sociedad civil en
general (Seghezzo et al. 2011).
POBLACIÓN HUMANA
- Tamaño- Intensidad de uso de recursos
Transformación de coberturas
- Deforestación- Forestación
-Intensificación-Pastoreo
Adiciones o pérdidas bióticas
-Invasiones-Caza-Pesca
Ciclos bio-geoquímicos
- Carbono- Nitrógeno
-Agua- Químicos
- Otros elementos
Pérdida de diversidad biológica
- Extinción de especies y poblaciones
- Pérdida de ecosistemas
Cambio climático- Efecto invernadero
-Aerosoles-Cobertura del suelo
4
Los cambios en la cubierta forestal afectan la prestación de servicios ecosistémicos
importantes a nivel global, entre ellos la biodiversidad, la regulación del clima, el
almacenamiento de carbono y el balance de agua y energía (Foley et al. 2005).
Asimismo, a nivel local también existe una disminución del flujo de servicios
ecosistémicos que sustentan el bienestar de las poblaciones locales, en especial de los
grupos sociales con menor acceso al capital socio-económico (Paruelo et al. 2011,
Mastrangelo y Laterra 2015). Además de entender cómo se ve afectada la provisión de
Servicios Ecosistémicos ante los cambios en el uso del suelo, es importante destinar
esfuerzos a entender cómo estos cambios impactan sobre el bienestar humano.
1.2. Cuantificación de los Servicios Ecosistémicos
En los últimos años, los servicios ecosistémicos (SE) se han convertido en un tema de
investigación muy popular y en el marco conceptual de numerosos proyectos de
investigación. Se han realizado múltiples esfuerzos para cuantificar, monitorear y
mapear una variedad de SE. Desde los trabajos pioneros de Costanza et al. (1997) y el
Millennium Ecosystem Assessment (2005), hasta iniciativas recientes como la
Plataforma Intergubernamental científico-política sobre Biodiversidad y Servicios
Ecosistémicos (IPBES 2013), y el Sistema Global para el monitoreo de los cambios en
Servicios Ecosistémicos (Tallis et al. 2012, GEOBON 2013). La continuidad de estas
iniciativas muestra la importancia del registro y mapeo de SE tanto en investigación
como en el diseño de políticas y el manejo de los recursos naturales.
A pesar del interés creciente en la monitoreo y cuantificación de Servicios
Ecosistémicos, su definición y clasificación no está exenta de controversias. Daily
(1997) define a los SE como las condiciones y procesos a través de los cuales los
ecosistemas y las especies que lo componen sostienen la vida humana. Costanza et al.
(1997) consideran a los SE como los beneficios que las sociedades obtienen, directa o
indirectamente, de las funciones ecosistémicas. En su definición, Boyd and Banzhaf
(2007) consideran a los SE como componentes de los ecosistemas que son directamente
consumidos por los seres humanos. El Millennium Ecosystem Assessment (2005)
clasifica a los SE en servicios de soporte (ej. producción primaria), de provisión (ej.
alimento), de regulación (ej. regulación climática) y culturales (ej. recreación). Fisher et
al. (2009) proponen una clasificación complementaria a la del Millennium Ecosystem
Assessment (2005), separando los beneficios que obtiene la sociedad humana (SE
finales) de los fenómenos ecosistémicos que los generan (SE intermedios).
El concepto de Servicios Ecosistémicos (SE) permite establecer un nexo entre el
funcionamiento de los ecosistemas y el bienestar humano. En el modelo ―de casada‖
planteado por Haines-Young and Potschin (2009) y de Groot et al. (2010) (Figura 0.2)
es posible diferenciar a los SE intermedios (los procesos y estructuras ecosistémicas
propiamente dichas) de los SE finales, o sea los procesos directamente asociados a la
generación de beneficios para la sociedad (Fisher et al. 2009). Los SE finales, que en
última instancia determinan los beneficios que la sociedad percibe, pueden ser
determinados por una serie de procesos ecosistémicos (SE intermedios) a través de
funciones de producción. Estos beneficios, a su vez, derivan de los intereses, valores y
necesidades de los actores sociales. De esta definición surge que el seguimiento del
nivel de provisión de SE debería basarse en el registro y cuantificación de
características funcionales del ecosistema de los cuales se deriven beneficios para la
sociedad.
5
Figura 0.2. Esquema general en donde se muestra el vínculo existente entre los aspectos
estructurales y funcionales de los ecosistemas con el bienestar humano. Los servicios
intermedios se encuentran determinados por la estructura y funcionamiento del ecosistema, y a
su vez, por el nivel de stress y perturbación en el mismo. Las funciones de afectación relacionan
los niveles de perturbación (ej: área deforestada) con la provisión de servicios intermedios. A su
vez, las funciones de producción relacionan a los servicios intermedios con los finales, que a su
vez determinan los beneficios que percibe el ser humano, según necesidades, intereses y valores.
Probablemente, el mayor atractivo del concepto de Servicios Ecosistémicos es la
expectativa de tornarlo operativo para la solución de conflictos socio-ambientales y la
toma de decisiones en el manejo de recursos naturales (Daily et al. 2009, Fisher et al.
2009). La cuantificación del grado de provisión de SE resulta de importancia
fundamental para la elaboración de planes de seguimiento (Carpenter et al. 2009,
Cabello et al. 2016), la evaluación de la salud ecosistémica (Rapport et al. 1998), el
manejo de los recursos naturales (de Groot et al. 2010, Mastrangelo et al. 2014) y el
desarrollo de políticas públicas (Paruelo 2011). En los últimos años se ha producido un
valioso esfuerzo de investigación en la exploración y mapeo de SE (Martínez-Harms y
Balvanera 2012). Existen, además, varias plataformas para asistir al mapeo de servicios
ecosistémicos y cuantificar su nivel de provisión, tales como la iniciativa InVEST
(Integrated Valuation of Ecosystem Services and Tradeoffs) (Nelson y Daily 2010),
ARIES (Artificial Intelligence for Ecosystem Services) (Bagstad et al. 2011) o ECOSER
(Laterra et al. 2015). Recientemente, Paruelo et al. (2016) presentaron un índice
generado a partir de sensores remotos, para estimar y mapear la provisión de SE que es
particularmente sensible a los cambios en el uso del suelo y resulta muy útil como
medida sintética.
La discusión de políticas públicas orientadas al uso sostenible del territorio rural
requiere una mayor capacidad para evaluar la oferta, demanda, valoración y distribución
social de los beneficios que proveen los ecosistemas a la sociedad (Paruelo 2011,
Paruelo et al. 2014). Para esto es necesario considerar la relación entre la escala de
provisión de los SE y aquella a la cual se asocian los intereses y valores de los
Estructura y funcionamiento del Ecosistema
Servicios Intermedios (PPN, Biodiversidad,
Evapotranspiración, etc.)
Servicios Finales (regulación, hídrica
Secuestro de C, Producción de forraje,
etc.)Beneficios (agua para consumo,
alimento, control de inundaciones, etc)
Ne
cesi
dad
es,
inte
rese
s y
valo
res
Funciones de Producción
Haines-Young y Potschin (2010)
Niv
el d
e s
tre
ss y
p
ert
urb
ació
n
Fischer et al (2009)
Funciones de Afectación
6
diferentes actores (Turner et al. 2003). Debido a la asimetría que existe entre la
apropiación de los SE por parte de los diferentes grupos sociales, los métodos
monetarios presentan limitaciones para evaluar el valor social de los SE (Paruelo 2011,
Viglizzo et al. 2012). La integración conceptual de los SE en la toma de decisiones
enfrenta aún numerosos desafíos (Laterra et al. 2011, Martín-López et al. 2014). Un
trabajo que vincule la relación entre el funcionamiento y la estructura de los
ecosistemas, la provisión de SE y el nivel de apropiación de SE entre los distintos
actores e involucrados representa una valiosa contribución al proceso de planificación
del uso del territorio.
1.3. Funcionamiento ecosistémico y nivel de transformación
En los últimos años diversos autores han propuesto estudiar el funcionamiento de los
ecosistemas mediante teledetección para evaluar su estado de conservación (Paruelo
et al. 2004, Alcaraz-Segura et al. 2009a, Cabello et al. 2012). La incorporación de
medidas cuantificables del funcionamiento ecosistémico es de gran importancia en la
gestión de los recursos naturales, ya que brinda una herramienta objetiva y de fácil
comprensión para este propósito. El vínculo entre el nivel de conservación de los
ecosistemas y el mantenimiento de su capacidad para sostener y regular procesos tiene
cada vez más consenso en el ámbito científico. Aquellos servicios directamente
relacionados con la dinámica de la energía y la materia (como la productividad primaria,
la evapotranspiración o el albedo) resultan relativamente sencillos de cuantificar a partir
de técnicas de teledetección de una manera rápida y continua en el tiempo y el espacio
(Paruelo 2008, Alcaraz-Segura et al. 2013a). Una de las mayores ventajas de estas
aproximaciones es que permiten la cuantificación y el seguimiento de un dado servicio
en grandes extensiones usando el mismo protocolo de observación.
Para gestionar los servicios ecosistémicos es necesario estudiar qué servicios exhiben
respuesta frente a la pérdida de función ecosistémica y cuál es la magnitud del cambio
bajo diferentes situaciones (Kremen 2005). La relación entre el área transformada y el
nivel de provisión de un dado SE puede tomar distintas formas. En este sentido, las
funciones de afectación relacionan los cambios en el funcionamiento ecosistémico con
el nivel de stress y perturbación, mientras que las funciones de producción relacionan la
provisión de servicios intermedios con servicios finales (Figura 0.2). Volante et al.
(2012) destacan la importancia de considerar funciones de afectación para aquellos SE
intermedios relacionados con las ganancias de C directamente asociadas al
funcionamiento ecosistémico, tales como la productividad primaria. El funcionamiento
ecosistémico o el nivel de provisión de un servicio puede caer de manera lineal, con una
tasa variable o presentar umbrales (Scheffer et al. 2000). La forma en la que cambian
los procesos ecosistémicos es clave para definir el nivel de estrés tolerable antes de
disminuir por debajo de un dado nivel.
La identificación de los aspectos estructurales y funcionales de los ecosistemas que
resultan más alterados ante los cambios en el uso del suelo es un factor clave en la
planificación del uso del territorio. El impacto de una transformación dependerá de la
superficie ocupada y de la configuración del paisaje (Paruelo et al. 2006, Baldi y
Paruelo 2008). Debido a la rápida expansión de las actividades agrícolas, el
desequilibrio entre la provisión de SE ―ecológicos‖ vs. ―económicos‖ se ha convertido
en un tema de conflictos y creciente preocupación (Martín-López et al. 2007, Paruelo
2011, Carreño et al. 2012). Diversos autores han relacionado el nivel de complejidad del
7
paisaje con los compromisos entre SE a nivel local (Martín-López et al. 2014,
Mastrangelo y Laterra 2015). Estas relaciones de compromiso ocurren cuando la
provisión de un dado servicio se reduce como consecuencia del incremento de otro
(Rodríguez et al. 2006). Un incremento de la producción de SE de provisión con valor
de mercado (como la producción de alimentos y madera) a menudo conduce a disminuir
la provisión de SE de regulación (ciclado de nutrientes, protección del suelo, control de
inundaciones, etc.) o SE culturales (recreación, ecoturismo, etc.). Por esto, el análisis de
estas relaciones de compromiso entre SE motivadas por los cambios en el uso del suelo
es muy importante para la toma de decisiones. A su vez, tener en cuenta la escala y
extensión del análisis es esencial, ya que los SE pueden ser provistos localmente pero
los beneficios captados a diferentes escalas, desde locales (ej. provisión de comida)
hasta globales (ej. secuestro de C).
1.4. Los sistemas socio-ecológicos
Gestionar el territorio abordando los desafíos del cambio global exige una mejor
comprensión de las complejas interacciones entre los seres humanos y su entorno
(Future Earth 2013, Griggs et al. 2013, Palomo et al. 2014). Cada vez más, la solución a
los problemas ambientales se plantea desde una perspectiva que integra el estudio de los
ecosistemas y los sistemas sociales (Berkes y Folke 1998, Liu et al. 2007). Los sistemas
socio-ecológicos (SSE) se entienden como sistemas complejos y adaptativos en los que
distintos componentes culturales, políticos, sociales, económicos, ecológicos,
tecnológicos, etc., interactúan (Berkes et al. 2003, Martín-López et al. 2009). El enfoque
de los SSE asume un entramado de relaciones en torno al uso de los recursos que son
necesarios para la vida humana, donde interactúan variables sociales y ambientales
(Ostrom 2009). Los SSE están compuestos por múltiples subsistemas y su dinámica está
influenciada por diversos factores a varias escalas espacio-temporales, incluyendo las
políticas de gobierno y otros factores del contexto en el cual los procesos locales se
moldean (Figura 0.3). Así, el sistema ecológico está formado por un conjunto de
factores abióticos interconectados a distintas escalas que, en último término, albergan
comunidades de especies, mientras que el sistema social está compuesto por los
usuarios de los servicios ecosistémicos y las instituciones, tanto formales como no
formales, que regulan las relaciones dentro del sistema social y sus interacciones a
distintas escalas. Los dos sistemas están relacionados ya que las acciones del ser
humano impactan en los ecosistemas, y a su vez el sistema ecológico provee servicios
ecosistémicos, repercutiendo en el bienestar humano.
Los sistemas socio-ecológicos (Figura 0.3) proveen un marco conceptual capaz de
recoger las múltiples interacciones e interdependencias entre los sistemas humanos y
naturales (Berkes et al. 2003, Stokols et al. 2013). Este marco conceptual hace explícita
la dependencia del bienestar humano al capital natural, la cual está mediada por
decisiones de apropiación de servicios ecosistémicos (ej. fertilidad del suelo) para
transformarlos en beneficios humanos (ej. producción de alimentos), y en la que
intervienen el capital humano (ej. conocimiento), físico (ej. infraestructura, tecnología),
económico (ej. capital financiero) y social (ej. instituciones) (Costanza et al. 2000,
Anderies et al. 2004). El estudio de los sistemas socio-ecológicos se centra en el estudio
de las interacciones entre el sistema ecológico y el sistema social, donde este último se
beneficia de los servicios suministrados por el ecosistema, y a su vez desarrolla
intervenciones que modifican directa o indirectamente el funcionamiento y estructura
del ecosistema (Martín-López et al. 2009).
8
Figura 0.3. Diagrama conceptual que muestra los principales componentes de los sistemas
socio-ecológicos (modificado de Martín-López et al. 2009). Estos sistemas están
jerárquicamente organizados ya que los diferentes componentes sociales y ecológicos
interactúan en diferentes escalas espacio-temporales, desde la escala global a la local. El sistema
social está compuesto por los actores a nivel local a global, y sus interrelaciones. Este sistema
social demanda servicios ecosistémicos y se beneficia de éstos –dado que el flujo de servicios
influye en el bienestar humano- y lleva a cabo intervenciones (pesca, agricultura, desmonte,
etc.) que modifican directa o indirectamente el funcionamiento y estructura de los ecosistemas.
En el sistema ecológico también pueden distinguirse múltiples escalas de análisis que se
interrelacionan entre sí. Este sistema provee servicios ecosistémicos a la sociedad.
El avance de la agricultura y la transformación intensa de los ecosistemas afecta la
distribución equitativa de los costos y beneficios que las sociedades obtienen del
ecosistema. La necesidad de integrar los aspectos sociales y ecológicos en el análisis de
las problemáticas ambientales y en la gestión del territorio es imprescindible para
prevenir o mitigar conflictos territoriales entre los distintos actores sociales (Berkes
et al. 2003). Dado su carácter sistémico e integral, el enfoque de los socio-ecosistemas
ofrece la producción de conocimiento que soporte decisiones más legítimas y
socialmente justas en cuanto a la conservación, apropiación y distribución de servicios
ecosistémicos (Berkes et al. 2003). En general, existen brechas en la disponibilidad de
los datos socio-espaciales relevantes para la planificación y la gestión basada en los
ecosistemas con lo que la toma de decisiones resulta arbitraria y frecuentemente atenta
contra la sostenibilidad de los sistemas (Martín-López et al. 2009). Asimismo, aún hay
poca información básica acerca de las relaciones existentes entre la biodiversidad, los
servicios ecosistémicos, los sistemas socio-culturales y socio-económicos y el bienestar
humano. La discusión de políticas públicas orientadas al uso del territorio rural requiere
una mayor capacidad para evaluar la oferta, demanda y distribución social de los
beneficios que proveen los ecosistemas a la sociedad (Paruelo et al. 2014).
Bio
-d
ive
rsid
ad Acto
res
locale
s
SIST
EMA
ECO
LÓG
ICO SISTEM
ASO
CIA
L
• Provisión de SE
• Presión sobre el ambiente
• Demanda de SE
Clim
a gl
ob
al
Acto
res glob
ales
Acto
res nacio
nales
Acto
res region
ales
Hid
rolo
gía
Suel
o
9
1.5. La importancia del Gran Chaco como región de estudio
El Gran Chaco (Figura 0.4) es una zona subtropical seca con estación lluviosa en verano
(Cabrera 1971). La temperatura media anual se encuentra entre los 19 y 24 ºC,
dependiendo de la zona. El clima es continental, es decir que la temperatura tiene
grandes variaciones entre el invierno y el verano, alcanzando los 40ºC en verano,
mientras que en invierno llegan a ocurrir heladas. El promedio de lluvia varía entre 450
y 850 mm anuales, con un gradiente que va de Este a Oeste. Las lluvias principales
ocurren en el verano, de octubre a marzo, y los meses más secos son julio y agosto. Los
meses de temperaturas más altas coinciden con aquellos de máximas precipitaciones. La
vegetación natural predominante del Chaco es bosque abierto o bosque espinoso,
intercalados con praderas (Morello et al. 2012).
El Chaco presenta una gran biodiversidad y riqueza cultural (The Nature Conservacy
2005) y, pese a su significativo potencial productivo (Lambin et al. 2013), muestra altos
niveles de pobreza y desigualdad (Bolsi y Paolasso 2009, Paolasso et al. 2012). En el
Chaco habitan unas siete millones y medio de personas, incluyendo con poblaciones
indígenas y descendientes de inmigrantes europeos (criollos) (Naumann 2006).
Tradicionalmente las poblaciones locales indígenas y "criollos" practican una economía
de subsistencia, incluyendo la agricultura a pequeña escala, la ganadería extensiva, la
caza y la recolección (Leake 2008).
Las tasas de deforestación de la ecorregión chaqueña se encuentran entre las más altas
del mundo (Hansen et al. 2013). En Argentina, la acelerada expansión e intensificación
de la agricultura y ganadería ocurrida durante las dos últimas décadas ha producido
grandes beneficios económicos para el sector agropecuario, a la vez que ha generado
considerables costos ambientales y sociales que afectan la calidad de vida de las
poblaciones locales y ponen en riesgo la sustentabilidad de los sistemas de producción
(Paruelo et al. 2011, Seghezzo et al. 2011). De este modo, la producción y la conversión
de tierras es a menudo llevada a cabo por empresas agroindustriales con poco o ningún
arraigo territorial, las cuales se mueven en función de las posibilidades legales sobre el
uso del suelo y las nuevas oportunidades de expansión agrícola (Le Polain de Waroux
et al. 2016).
Las relaciones asimétricas de poder (material y simbólico) determinan que los servicios
ecosistémicos se distribuyan inequitativamente entre estos actores sociales, generando
ganadores y perdedores, afectadores y afectados en la disputa por el acceso y uso de la
tierra (Paruelo 2011). La emergencia de conflictos ambientales ha aumentado a medida
que nuevos actores sociales y formas de control del territorio (empresas agropecuarias
extra-regionales, ―pooles de siembra‖) se establecieron y expandieron en un contexto
caracterizado por inseguridad jurídica y debilidad de las autoridades de aplicación
(Langbehn 2014). Estos conflictos han ocurrido con mayor intensidad en ciertas áreas
de la región al punto de tomar carácter público a nivel nacional (Slutzky 2005, Redaf
2010)1. Sin embargo, el abordaje sistemático de los conflictos ambientales en el Chaco
Seco Argentino es muy incipiente tanto desde la investigación como de la gestión.
1 Tal es el caso de la desafectación de la reserva de General Pizarro en el dto. Anta de Salta (Hufty 2008), los desmontes en territorios aborígenes en el dto. Gral. San Martín de Salta (Slutzky 2005), el recurso de amparo presentado por la Mesa de Tierras a la Corte Suprema de Justicia de la Nación (causa “Sala,
10
En respuesta a los impactos sociales y ambientales de la deforestación chaqueña, en
2008 se sancionó en Argentina la ―Ley de Bosques‖ con el objetivo de ordenar el
territorio a escala provincial y regular el uso de los bosques nativos. Sin embargo, la
escasa consideración de la heterogeneidad y complejidad de los sistemas sociales y
ecológicos en el diseño de los planes condujo a bajos niveles de cumplimiento (Redaf
2012, García Collazo et al. 2013). Uno de los aspectos centrales de un proceso de
Ordenamiento y Planificación Territorial es el diagnóstico y caracterización de los
sistemas socio-ecológicos, tanto en sus atributos biofísicos como socio-culturales
(Paruelo et al. 2014). Esta información puede ser utilizada para mejorar la comprensión
de la complejidad socio-ecológica de la región chaqueña y luego poder implementar
incentivos y regulaciones adaptables a las características de los paisajes y grupos de
interés involucrados.
Figura 0.4. Ecorregión del Gran Chaco sudamericano (cartografiado por Olson et al. 2001),
incluyendo la porción argentina, boliviana, paraguaya, y una pequeña parte brasilera. Autoría de
las fotos: Esteban Jobbágy (Paraguay), Clara Vallejos (Santiago del Estero), María Vallejos
(Salta), Flickr (Bolivia y Formosa).
Dino y otros…” Expediente 1144/2008. ) para suspender los desmontes autorizados en cuatro departamentos de la provincia de Salta previo a la sanción de la “ley de bosques” (Paruelo et al. 2011) y la reciente creación del Parque Nacional El Impenetrable en el dto. Gral. Güemes de Chaco (Ley Nº 26.996).
11
1.6. Objetivos y organización de la tesis
El objetivo general de esta tesis es caracterizar los procesos de transformación de la
cobertura de vegetación natural en el Chaco Seco sudamericano y estudiar sus
consecuencias sobre actores sociales vulnerables. Esta tesis se plantea la necesidad de
identificar y caracterizar la compleja dinámica entre los humanos y la naturaleza a
través del estudio de la dinámica de los cambios en la cobertura del suelo (Capítulo 2),
por un lado, y la integración de procesos biofísicos y humanos, por otro, para la
identificación de unidades espaciales homogéneas en cuanto a suministro y apropiación
de servicios ecosistémicos (Capítulo 3). Asimismo, destaca la importancia de estudiar
la pérdida de servicios ecosistémicos para los actores más vulnerables frente a los
cambios en el uso del suelo (Capítulo 4).
En base al objetivo propuesto, esta tesis aborda las siguientes preguntas de
investigación:
1. ¿Cómo es la dinámica de transformación del territorio en la ecorregión chaqueña?
¿Dónde se concentran los lotes deforestados y dónde las áreas menos perturbadas?
¿Cuándo ocurren las mayores tasas de deforestación en los distintos niveles
administrativos? ¿Cómo cambia la configuración del paisaje a lo largo del tiempo?
2. ¿Cómo es la configuración socio-ecológica del territorio chaqueño argentino? ¿Cómo
se relacionan las variables sociales, ecológicas y de interacción en la región chaqueña?
¿Qué variables se destacan como importantes para la configuración de tipologías
funcionales de socio-ecosistemas?
3. ¿Cuál es el actor social más vulnerable frente a los cambios en el uso del suelo en el
chaco salteño? ¿Cómo se distribuye la demanda potencial de servicios ecosistémicos
por parte de estos actores en el territorio? ¿Cómo se ve afectada el área de uso efectiva
ante los cambios en el uso del suelo ocurridos en la región? ¿Cómo varía la provisión de
servicios ecosistémicos intermedios en ese área a lo largo del tiempo?
La tesis está organizada en cinco capítulos, de la siguiente manera (ver Figura 0.5):
Capítulo 1. Introducción general al problema de la tesis, se describen los principales
antecedentes y se plantean los objetivos de la investigación.
Capítulo 2. Este capítulo persigue realizar una caracterización de la dinámica espacial
y temporal de la deforestación a distintos niveles administrativos. Para ello se elaboró
una base de datos geo-espacial de lotes deforestados en la región del Chaco Seco,
incluyendo la porción argentina, boliviana y paraguaya. Se utilizaron imágenes
satelitales Landsat, considerando el período 1976-2012 (36 años de estudio). Esta base
de datos ha sido puesta a disposición del público en general para futuros estudios y la
porción argentina continúa actualizándose por el Laboratorio de Análisis Regional y
Teledetección de la Facultad de Agronomía, UBA
(wwww.monitoreodesmontes.com.ar).
Capítulo 3. Este capítulo presenta un nuevo marco conceptual y metodológico para la
identificación, caracterización y mapeo de Tipos Funcionales de Socio-Ecosistemas
(TFSE), a partir de la integración de procesos biofísicos y sociales en porciones
12
definidas del territorio. La metodología fue aplicada en la porción argentina del Chaco
Seco y Húmedo (excluyendo la porción correspondiente a la provincia de Corrientes).
Para esto se utilizó la base de datos geo-espacial elaborada en el Capítulo 2, datos del
censo nacional de población, vivienda y hogares 2001, datos del censo nacional
agropecuario 2002, e imágenes satelitales MODIS.
Capítulo 4. Este capítulo identifica a los actores más vulnerables frente a los cambios
en el uso del suelo mediante la elaboración de un mapa de actores, realiza una
estimación del área de demanda potencial de servicios ecosistémicos por parte de los
actores vulnerables y de la pérdida del área de efectiva en el suministro de estos
servicios tras la transformación de la cobertura natural en cultivos o pasturas (cambios
estructurales). Por último, se evalúan los cambios en la provisión de servicios
ecosistémicos intermedios (cambios funcionales) en el área de demanda efectiva de
estos actores durante el período 2001-2015.
Capítulo 5. Por último, el capítulo cinco discute y sintetiza las principales
contribuciones de esta tesis, se proponen algunas ideas y reflexiones transversales, y se
relacionan los resultados obtenidos con el conocimiento existente. Se plantean también
futuras líneas de investigación así como los posibles usos de la información generada en
esta tesis.
13
Figura 0.5. Estructura general de la tesis.
CAPÍTULO 1: Introducción general
CAPÍTULO 2
Elaborar una base de datos geo-espacial de la
deforestación en la región del Chaco Seco y
caracterizar la dinámica espacial y temporal de la
deforestación.
Chaco Seco
Período: 1976 - 2012
Lote
CAPÍTULO 3
Presentar un marco conceptual y metodológico
para la identificación, caracterización y mapeo de Tipos Funcionales de Socio-
Ecosistemas y aplicar la metodología.
Chaco Seco + Húmedo (Argentina)
Año 2001
Radio Censal
CAPÍTULO 4
Estimar el área de demanda potencial y efectiva de SE y
los cambios en la provisión de SE intermedios para los actores más vulnerables
frente a los cambios en el uso del suelo.
Chaco Salteño (Argentina)
Período: 2001-2012
Comunidad
Objetivo General: Caracterizar los procesos de transformación de la cobertura natural del Chaco Semiárido sudamericano y estudiar sus consecuencias sobre actores sociales vulnerables
CAPÍTULO 5: Discusión general
Objetivos particulares
Extensión espacial
Extensión temporal
Resolución espacial
14
Capítulo 2
Dinámica de las transformaciones de la cobertura natural en el Chaco Seco
Sudamericano a nivel de lote. ¿Dónde, cuándo y cómo se deforesta?2
2 Este capítulo está basado en el artículo: Vallejos, M., Volante, J.N., Mosciaro, M.J., Vale, L.M.,
Bustamante, M.L. y Paruelo, J.M. 2015. Transformation dynamics of the natural cover in the Dry Chaco
ecoregion: A plot level geo-database from 1976 to 2012. Journal of Arid Environments, 123:3-11.
doi:10.1016/j.jaridenv.2014.11.009.
15
Capítulo 2 . Dinámica de las transformaciones de la cobertura natural en el Chaco
Seco Sudamericano a nivel de lote. ¿Dónde y cuándo se deforesta?
2.1. Introducción
2.1.1. La transformación de los ambientes naturales en la región chaqueña
El Gran Chaco Seco Sudamericano está atravesando una nueva fase de expansión e
intensificación agrícola que ha generado un aumento significativo en la producción de
commodities, pero que está alterando el funcionamiento de los ecosistemas y poniendo
en peligro la provisión de servicios ecosistémicos (Paruelo et al. 2011). Las tasas de
deforestación en esta región se encuentran entre las más altas del mundo (Hansen et al.
2013), y este hecho genera una preocupación mundial sobre el estado de conservación
de los bosques y en la sostenibilidad de los sistemas de producción. El uso y cobertura
de la tierra en los bosques secos del Chaco se ha convertido en un problema importante
para los tomadores de decisión y un área de intensa disputa política (Seghezzo et al.
2011, Redaf 2012, García Collazo et al. 2013), con lo que el monitoreo de la
deforestación resulta crucial.
La causa principal de la deforestación de los bosques xerofíticos y otros tipos de
vegetación nativa y la transformación de tierras a agricultura y pasturas para cría de
ganado es la creciente demanda de commodities a nivel global (Gasparri et al. 2013).
Cada vez más, el uso del suelo a nivel local está determinado por políticas, mercados y
flujos comerciales globales (Nepstad et al. 2006, Von Braun y Diaz-Bonilla 2008). La
presencia cada vez mayor de empresas agroindustriales en la región reduce las barreras
históricas de comunicación y transporte, intensificando la comercialización global de las
materias primas en zonas muy distantes del planeta. De este modo, la producción y la
conversión de tierras es a menudo llevada a cabo por actores con poco o ningún arraigo
territorial, los cuales se mueven en función de las posibilidades legales y económicas
sobre el uso del suelo y las nuevas oportunidades de expansión agrícola (Le Polain de
Waroux et al. 2016).
Los cambios en el uso del suelo están determinados por factores ecológicos y humanos.
Los factores ecológicos incluyen principalmente al clima, tipo de suelo y orografía. Los
factores humanos incluyen a los mercados, marcos institucionales y políticos,
infraestructura de la red vial, estructura de tenencia de la tierra, historia de ocupación
del territorio, y aspectos culturales (Killeen et al. 2008), entre otros. El Chaco
sudamericano posee grandes áreas con condiciones ecológicas y humanas apropiadas
para el desarrollo de cultivos extensivos como la soja, el maíz y el trigo, muy
demandados internacionalmente. El fuerte aumento de los precios de estos commodities
en los últimos 12 años (FAOSTAT 2010) y la alta demanda internacional, en
combinación con incrementos en el nivel de las precipitaciones (Zak et al. 2004, Boletta
et al. 2006, Gasparri et al. 2008) ha dado lugar a una rápida expansión agrícola en la
región (Zak et al. 2008).
2.1.2. Fases de explotación en el Chaco
Morello et al. (2005) reconocen diez períodos en los que puede dividirse la historia de
ocupación y uso de los recursos naturales de la región chaqueña: 1) etnias locales, 2)
fronterizos y meleros, 3) puestos ganaderos, 4) durmientes y poste, 5) 1º taninera, 6)
16
colonia agrícola, 7) exploración y explotación petrolera, 8) agriculturización, 9) 2º
taninera y 19) pampeanización/sojización.
Inicialmente, quienes manejaban los elementos del paisaje eran los pueblos indígenas
(Arenas 2005). Hacia fines del siglo XVIII y principios del XIX, poblaciones fronterizas
de origen hispánico e indígenas peleaban por los recursos del territorio, y subsistían con
la cría de ganado y la recolección de cera, miel y frutos de algarrobo. Llegando al final
del siglo XVIII los ―pueblos de indios‖ comenzaron a ser exterminados o expulsados de
sus territorios, y los territorios que ocupaban fueron asignados a pobladores blancos.
Entre 1810 y 1820 los grupos que controlaban el poder local se apropiaron legalmente
de estas tierras de bañados aptas para la ganadería. Atravesando el final de la etapa
colonial, a principios del siglo XX, se da el período considerado de ―puestos
ganaderos‖. Este periodo estaba protagonizado por propietarios blancos de las tierras
conquistadas cuyas puesteros tomaban el control de los bordes de los predios
introduciendo ganado vacuno y caprino.
La rápida ocupación del territorio que se dio después de 1880 y la implantación de
ingenios azucareros en toda la periferia chaqueña generó la necesidad de utilizar mano
de obra indígena. Durante esta etapa, Argentina ingresa al mercado internacional como
proveedora de lanas, carnes y cereales producidos sobre todo en la pampa húmeda, para
satisfacer fundamentalmente la demanda británica de materias primas y alimentos. Esto
impulsó la explotación del quebracho colorado para la provisión de durmientes y
carbón. A fines del siglo XIX y principios del XX, llegan a la región chaqueña empresas
extranjeras, o vinculadas fuertemente a capitales extranjeros, que se dedicaron
principalmente a la producción de extracto tánico de quebracho colorado para destinar
al proceso de curtiembre de cueros.
Los primeros antecedentes de agricultura extendida en el Chaco fue el cultivo de
algodón, actividad que comienza a expandirse a fines del siglo XIX sobre el Este de la
región, a principios del siglo XX avanza sobre el interior del Chaco y a partir de la
década del 1930 se desarrolla la industria textil algodonera. El Estado fomentaba con
créditos, habilitación de tierras y otros recursos la instalación de ―colonias
algodoneras‖. Con el proceso de agriculturización de altos insumos externos asociado a
la ―revolución verde‖, a partir de 1960 aumenta la superficie destinada a cereales y
oleaginosas con la aplicación de novedosos paquetes tecnológicos, nuevos agroquímicos
y maquinarias. También comienza en simultáneo un proceso de ganaderización
industrial al verse desplazada la ganadería de la zona pampeana. A partir de mediados
de la década del 70 comienza lo que se denomina la ―pampeanización‖ del Chaco, es
decir la implementación del modelo agrícola industrial característico de la pampa
húmeda en la región chaqueña. En 1996, se aprueba el ingreso del cultivo de soja
transgénica en Argentina, que generó un aumento significativo en las tasas de
deforestación (Gasparri et al. 2013). La crisis argentina ocurrida en 2001 tuvo un nuevo
impacto en la expansión de la frontera agropecuaria, debido al cambio favorable para la
exportación de commodities.
2.1.3. Consecuencias de la deforestación
La implementación en la región chaqueña del modelo agrícola extensivo pampeano ha
tenido fuertes impactos negativos, tanto ambientales como sociales. Entre los impactos
ambientales existen evidencias de pérdida de hábitats (Brown et al. 2005), disminución
de la biodiversidad (Cagnolo et al. 2006, Macchi et al. 2013, Torres et al. 2014,
Mastrangelo y Gavin 2014), reducción de la conectividad estructural y funcional entre
17
los fragmentos remanentes de bosque (Gasparri y Grau 2009, Torrella et al. 2013,
Piquer-Rodríguez et al. 2015), cambios en la dinámica del agua y movilización de sales
desde napas profundas (Nosetto et al. 2011, Amdan et al. 2013, Marchesini et al. 2013),
pérdida de biomasa forestal y emisiones de Carbono atmosférico (Gasparri et al. 2008,
Gasparri y Baldi 2013), cambios en el balance energético de la tierra por aumentos en el
albedo (Salazar et al. 2016, Houspanossian et al. 2017), cambios en las propiedades
físicas del suelo (Magliano et al. 2016a), disminución en la materia orgánica del mismo
(Baldassini et al. 2015, Villarino 2016) y el funcionamiento del ecosistema (Volante
et al. 2012, Alcaraz-Segura et al. 2013b). A nivel global, el principal efecto es el
aumento de emisiones de carbono a la atmósfera y su consecuente impacto en el clima
global (Gasparri et al. 2008).
Entre los impactos sociales se incluye el desplazamiento de familias y comunidades
originarias de las tierras que ocuparon ancestralmente (Slutzky 2005), la pérdida de
modos de vida y formas de conocimiento tradicional (Buliubasich 2013) y el
arrinconamiento y reducción del acceso al capital natural de las familias y comunidades
que persisten en zonas rurales (Leake 2010). Por otra parte, la deforestación genera una
mayor presión y degradación en áreas de bosque remanente por el desplazamiento de la
actividad ganadera y extractiva (Dros 2004, Volante y Paruelo 2015).
2.1.4. El monitoreo de la deforestación
Hay una gran presión internacional para monitorear los cambios a largo plazo en la
cubierta forestal (GCOS 2004, GOFC-GOLD 2007), y los principales esfuerzos se
centran en los bosques tropicales (Achard et al. 2002, Shimabukuro et al. 2004), pese a
que las tasas de deforestación son particularmente elevadas en las zonas subtropicales
de bosques secos (FAO 2009, Hansen et al. 2013). Para apoyar la conservación de los
bosques, diferentes organizaciones gubernamentales y no gubernamentales de los países
de América del Sur promueven la sanción de instrumentos jurídicos destinados a regular
el uso de los recursos naturales. En diciembre de 2004, el Congreso de Paraguay
sancionó la Ley Nº 2524, también conocida como ―Ley de Deforestación Cero‖, que
prohibió la transformación del bosque en la parte oriental del país. Argentina emitió la
Ley N ° 26.331 en noviembre de 2007, también conocida como ―Ley de Bosques‖ para
promover la planificación territorial y regular la conservación y manejo de bosque
nativo. La Ley N ° 1700 del Estado Plurinacional de Bolivia, emitida en julio de 1996,
también conocida como ―Nueva Ley de Bosques‖, está dirigida a regular los derechos
de propiedad sobre las áreas forestales para los actores locales. A pesar de estos intentos
de regulación a través de mecanismos legales, la deforestación en la región sigue
ocurriendo. Esta situación ha hecho que exista una preocupación creciente y
generalizada por la deforestación y la tala ilegal en la Argentina (Redaf 2012), Paraguay
(Fundación Avina 2012) y Bolivia (Andaluz y Mancilla 2006).
Numerosos estudios han evaluado la transformación de la cubierta forestal en la
ecorregión del Chaco Seco (Anexo 1), sin embargo, la mayoría de estos estudios tiene
baja resolución o extensión temporal. Disponer de una base de datos geográficos nivel
de lote para toda la región del Chaco Seco, que abarca una gran extensión temporal -
más de tres décadas- utilizando en el mismo protocolo de observación resulta
sumamente útil. Estas bases de datos son un elemento esencial no sólo para la
investigación básica sobre las características y consecuencias de los cambios en el uso y
cobertura de la tierra, sino también para otros aspectos prácticos relacionados con la
aplicación de la ley o la ordenación del territorio.
18
2.2. Objetivos
En este capítulo se caracteriza la dinámica espacial y temporal de la transformación de
la cobertura natural en el ecorregión del Chaco Seco Sudamericano para el período
1976- 2012, utilizando una base de datos geo-espacial desarrollada a partir de la
fotointerpretación de imágenes Landsat. Se cuantificaron los cambios en el nivel de lote
individual. Se analizó la dinámica de transformación según el área transformada, la
evolución del tamaño del lote y los cambios a nivel de paisaje. La base de datos
desarrollada está disponible para su descarga y utilización en:
http://monitoreodesmonte.com.ar/.
Los objetivos específicos de este capítulo se detallan a continuación:
a) Elaboración de una base de datos geo-espacial detallada a nivel de lote utilizando
imágenes Landsat.
b) Caracterizar la dinámica espacial y temporal de la transformación de la cobertura
natural en el Chaco Semiárido Sudamericano para el período 1976-2012.
c) Comparar tasas de deforestación a distintos niveles administrativos
d) Analizar la evolución del tamaño del lote y los cambios a nivel de paisaje
2.3. Materiales y métodos
2.3.1. Área de estudio
La porción seca del Gran Chaco es una vasta llanura que comprende el noroeste de
Argentina, oeste de Paraguay y el sureste de Bolivia, integrando una superficie de
aprox. 787.000 km2 (Olson et al. 2001). Esta área incluye 3 unidades administrativas
principales (es decir, países: Argentina, Bolivia y Paraguay), 18 unidades
administrativas secundarias (denominadas provincias de Argentina y departamentos en
Bolivia y Paraguay) y 175 unidades administrativas terciarias (denominadas
departamentos en Argentina, municipios de Bolivia, y los distritos en Paraguay). De la
superficie total del Chaco Seco, el 62% se encuentra en Argentina, incluyendo parte de
las provincias de Salta, Santiago del Estero, Jujuy, Tucumán, Formosa, Chaco,
Catamarca, Córdoba, Santa Fe, La Rioja, San Juan y San Luis; 22% en Paraguay,
incluyendo parte de los departamentos de Alto Paraguay, Boquerón y Presidente Hayes;
y 16% en Bolivia, incluyendo parte de los departamentos de Santa Cruz, Chuquisaca y
Tarija.
La región del Chaco es una de las llanuras más extensas del planeta (Jobbágy et al.
2008). Esta región forma parte de la cuenca del Río de la Plata y es atravesada por los
ríos Pilcomayo, Bermejo, Juramento y Salado. El clima del Chaco se caracteriza por una
fuerte estacionalidad, con altas temperaturas en verano y heladas en invierno. La
temperatura media anual varía de 18 ° C en la parte sur de la ecorregión a 26 ° C en el
norte, y la precipitación media anual varía de 400 mm/año en el centro a 1000 mm/año
en los extremos oriental y occidental (Minetti 1999). Debido a su clima continental hay
grandes variaciones de temperatura entre el invierno y el verano. Los meses de máxima
precipitación coinciden con los de las temperaturas más altas (Berbery y Barros 2002).
Las lluvias se producen en verano, de octubre a marzo, y los meses más secos son julio
y agosto.
19
2.3.2. Procesamiento de imágenes y desarrollo de la base de datos geo-espacial
Para identificar la transformación histórica de la cobertura vegetal, se examinaron
imágenes satelitales Landsat del período 1976-2012. Las imágenes fueron provistas por
la CONAE (Comisión Nacional de Actividades Espaciales, de Argentina), el INPE
(Instituto Nacional de Investigaciones Espaciales, de Brasil) y el USGS (Servicio
Geológico de Estados Unidos). La zona de estudio incluye 44 escenas Landsat (Figura
2.1). Para los años anteriores a 2000 se utilizaron tres períodos de análisis: 1976-1986,
1986-1996 y 1996-1999, mientras que de 2000 a 2012 se evaluó anualmente la dinámica
de la transformación. Se seleccionaron imágenes con baja presencia de nubes,
preferentemente correspondientes a diciembre (ya que la mayoría de los eventos de
deforestación se producen durante los meses más secos del invierno). Una vez
seleccionadas y descargadas las imágenes, se georreferenciaron, se desplegaron en
Quantum GIS usando la composición RGB: 4-5-3 para maximizar el contraste, y se
ordenaron por fecha. En total, se procesaron y analizaron alrededor de 700 imágenes
Landsat. La lista de las imágenes utilizadas está disponible en:
http://monitoreodesmonte.com.ar/metodologia.
Figura 2.1. Distribución de escenas Landsat en el área de estudio.
20
La serie Landsat contiene imágenes satelitales captadas por cuatro sensores (MSS, TM,
ETFM+, y OLI). Las imágenes del satélite Landsat Multispectral Scanning (MSS) 1-3
imagery, lanzado en 1972 y finalizado en 1983, con 60 m de resolución espacial y 4
bandas espectrales, se utilizaron para detectar las transformaciones de la cobertura
natural antes de 1976. El tamaño de la escena y designación del ―Path-row‖ de Landsat
MSS 1-3 imagery difiere de la de las versiones posteriores. Las imágenes del satélite
Landsat Thematic Mapper (TM) 4-5 imagery, lanzado en 1982 y finalizado en 2013,
con una resolución espacial de 30 metros y 7 bandas espectrales, se utilizaron para
detectar las transformaciones de la cobertura natural en los años 1986, 1996 y de 2000 a
2012. Las imágenes del satélite Landsat Enhanced Thematic Mapper Plus (ETM +) 7,
lanzado en 1999 y aún activo, con 30 m de resolución y 8 bandas espectrales (si bien
opera con una falla en el barrido óptico que provoca bandeado en las imágenes
resultantes desde 2003), se utilizaron para detectar transformaciones de la cobertura
natural en el período 2000-2012, como una alternativa al uso de Landsat 5. Para las
sucesivas actualizaciones de la base de datos que se encuentran en
http://monitoreodesmonte.com.ar/, se utiliza Landsat 8 Operational Land Imager (OLI)
and Thermal Infrared Sensor (TIRS), con 30 m de resolución espacial y 11 bandas
espectrales. La resolución de la banda 8 (pancromática) es de 15 metros. La banda 9 es
útil para la detección de nubes cirrus. Las bandas térmicas 10 y 11 son útiles para
proporcionar temperaturas superficiales más precisas. Este satélite fue lanzado en
febrero de 2013 y aún está operativo.
Los lotes transformados se digitalizaron manualmente mediante la interpretación visual
de la última imagen Landsat del período de estudio. Cada lote individual se incorporó
como un vector de polígono en el SIG. Se utilizó el software Quantum GIS. El criterio
para definir las parcelas mediante interpretación visual fue la interrupción de la
continuidad espacial con fuertes evidencias de la acción humana. Los lotes
transformados por acción humana tienen forma regular límites definidos, mientras que
las transformaciones debidas a agentes naturales (por ejemplo, incendios) tienen forma
irregular. En los casos en los que el tamaño de lote era muy pequeño (i.e. las parcelas
con la caña de azúcar en el oeste de Tucumán transformado antes de 1976 y la región
oeste de la provincia de Chaco) los bordes de lote se trazaron mediante métodos de
segmentación automáticos (Bhanu et al. 1995) utilizando el software Envi Ex.
La segmentación es el proceso de dividir una imagen en varios grupos de píxeles u
objetos, en base a características espaciales, espectrales y de textura. Los parámetros de
los métodos de segmentación automática (―scale level‖ y ―merge level‖, que determinan
el número de segmentos a diferenciar y el grado de combinación interna,
respectivamente) fueron definidos según la región por interpretación visual de los
límites, y posteriormente los segmentos fueron revisados y corregidas manualmente.
Una vez trazados los límites externos de los lotes, se definió el año de transformación
mediante la superposición secuencial de imágenes Landsat. Se comenzó clasificando el
año de transformación más antiguo (1976). Al final del proceso, los lotes quedaron
clasificados según el año en el que se habían transformado. Asimismo, se trazaron las
parcelas correspondientes a los lotes, y cortinas forestales (en caso de que las hubiera).
Como validación cualitativa, se compilaron trabajos que incluían clasificaciones de área
transformada, deforestada o cultivada en el Chaco y se compararon sus estimaciones
con la superficie estimada en este trabajo (Anexo1). Para una validación cuantitativa, se
utilizaron imágenes históricas alta resolución espacial de “Google Earth” (GE). Al
momento de realizar la validación, el área cubierta por imágenes de alta resolución
espacial de GE en la región de estudio era de 410.703 km2 (aprox. 52% de la superficie
21
total en seco del Chaco). Se delimitó el área cubierta por imágenes de alta resolución
espacial en GE y se distribuyeron al azar cinco mil puntos. La primera imagen de alta
resolución disponible en GE para la región es de 2002, por lo que la clasificación no
pudo ser validada en años previos. Se compararon los datos observados en las imágenes
de alta resolución con los de la base de datos propia. Los puntos aleatorios se
clasificaron en 4 categorías para cada año, entre 2002 y 2012: i) Transformación de la
cobertura natural tanto en la base de datos propia como en GE (Tdb-Tge); ii)
Transformación de la cobertura natural en la base de datos propia y presencia de
cobertura natural en GE (Tdb-Nge); iii) Presencia de cobertura natural en la base de
datos propia y GE (Ndb-Nge); iv) Presencia de cobertura natural en la base de datos
propia y transformación de la cobertura natural en GE (Ndb-Tge). Con estos datos se
realizó una matriz de confusión y se obtuvo la precisión global (ver Anexo 2) y para
cada año analizado (ver Anexo 3). 2.3.3. Análisis de la dinámica de las
transformaciones
El término "transformación" se utiliza cuando existe un reemplazo de la vegetación
natural (bosques, praderas, pantanos, sabanas o matorrales) por cultivos o pasturas
implantadas. Para evaluar las tendencias en la intensidad de los cambios en el uso del
suelo, las tasas de transformación se calcularon para cinco períodos (pre 1976, 1976-
1986, 1986-1996, 1996-2006 y 2006-2012). Se estimó la tasa anual de transformación
anual ―q(%)‖ utilizando la metodología propuesta por FAO (1995):
𝑞 % = 1 − 𝐴2
𝐴1
1
𝑡2−𝑡2− 1 ∗ 100
Donde q% es la tasa de transformación anual (en porcentaje), y A1 y A2 representan las
áreas de hábitats naturales en fechas t1 y t2, respectivamente. Para el primer período de
análisis, se consideró que t1 = 1940 como el año en que la eliminación de vegetación
natural se inició en la región (Morello et al. 2005). Las áreas naturales originales de la
región se calcularon luego de descontar las zonas urbanas, lagos, ríos y salinas a la
superficie total de las unidades político-administrativas. Debido a que no hay consenso
acerca de cuál es la cobertura forestal original, el valor de q% no representa la tasa
anual de deforestación, sino la tasa anual de transformación de la cobertura natural. La
tasa q% es empleada con valores positivos para una mejor representación y
comprensión. Esta tasa permite comparar la deforestación con otras regiones del mundo,
ya que esta ponderada por la cobertura inicial de bosque. Las tendencias se evaluaron
utilizando la curva de mejor ajuste, según el coeficiente de determinación para unidades
administrativas primarias y secundarias.
El análisis a nivel de lote se realizó mediante el análisis de las parcelas individuales
(unidades productivas, en la mayoría de los casos). El análisis a nivel de paisaje analizó
los cambios en el tamaño de "parches" para cada periodo. Los ―parches‖ son conjuntos
de lotes agregados a 200 m, representando extensas áreas transformadas sin tomar en
cuenta las cortinas forestales entre parcelas transformadas. El análisis de paisaje permite
tener una visión regional de cómo ocurre la deforestación y los efectos que produce. La
fragmentación del paisaje hace referencia a una interrupción en la continuidad de la
cobertura natural. Es el proceso en el que una matriz de paisaje se subdivide
progresivamente en parches más pequeños y aislados (Baldi et al. 2006, Gasparri y Grau
2009). Se cuantificaron los patrones de fragmentación a nivel de paisaje utilizando
varios índices, ya que no hay una única métrica que puede capturar la complejidad de la
22
disposición espacial de los parches (Riitters et al. 1995). Las métricas para medir la
fragmentación del paisaje por lo general hacen referencia a los cambios en una matriz
(cubierta natural), pero en este caso, las métricas se refieren a parches transformados,
dando una idea de los efectos acumulados de las transformaciones. El análisis de la
dinámica de las transformaciones en el uso y cobertura de la tierra se basa en un
conjunto de métricas: área total transformada (TA), el tamaño medio del parche (MPS),
porcentaje de co-variación de MPS (PSCOV), número de parches (NUMP), la densidad
de los parches (DENS), perímetro total de los parches (TE) y el índice medio de forma
(MSI). Estas métricas abarcan aspectos esenciales de la estructura y funcionamiento del
ecosistema (Cushman et al. 2002, Pinto-Ledezma y Rivero Mamani 2014). El área total
transformada (TA) tiene efectos sobre los ciclos del agua, la energía y los nutrientes. El
tamaño medio de parches y número de parches (MPS, NUMP) tiene implicaciones en la
interrupción de la continuidad y conectividad del paisaje, el flujo génico, el área mínima
requerida la supervivencia de especies y el funcionamiento del ecosistema. El
porcentaje de co-variación de MPS (PSCOV) es una medida de la variabilidad y la
distribución del tamaño de parches. La densidad de parches (DENS) se define como el
número de parches por unidad de superficie, lo que facilita las comparaciones entre los
paisajes de diferentes tamaños, y es un buen indicador de la fragmentación. El perímetro
total de los parches (TE) tiene implicaciones para las especies sensibles al borde y la
integridad del ecosistema (Broadbent et al. 2008). El índice medio de forma (MSI)
describe complejidad de la forma y cuán compactos son los parches. Específicamente,
MSI cuantifica la cantidad de borde presente en una clase de relación con la superficie
que estaría presente en una clase de la misma zona, pero con una forma circular. Por lo
tanto, el índice es igual a 1 para los parches circulares de cualquier tamaño y aumenta
sin límite cuando el parche se vuelve cada vez más irregular.
2.4. Resultados y discusión
2.4.1. Evaluación de la base de datos
La precisión global de la clasificación fue del 97,8%. Considerando las clases de
cobertura ―cobertura transformada‖ y ―cobertura original‖, se observa que existe un
equilibrio entre la precisión del usuario y la del productor. La exactitud para los
distintos años, varió entre 95,6% y 99,2%. Las matrices de error estimado y precisión
para cada año se muestran en el Anexo 3.
Se consiguieron compilar 18 artículos o informes publicados que incluían
clasificaciones de área transformada, deforestadas o cultivada en la ecorregión del
Chaco Seco (Anexo 1). Estas clasificaciones cubren diferentes extensiones espaciales y
temporales en relación a la base de datos propia. Quince de las clasificaciones se
realizaron utilizando imágenes Landsat, mientras que tres de ellas se basan en imágenes
MODIS. Diez de las clasificaciones se realizaron mediante interpretación visual, y el
resto mediante clasificaciones automáticas supervisadas (5), no supervisadas (2) o una
combinación de ambos métodos (1). Únicamente dos de las bases de datos de
deforestación están disponibles en línea: los mapas mundiales de la cubierta forestal
realizados por Hansen et al. (2013), disponible en formato raster; y los datos producidos
por Guyra Paraguay (Fundación Avina 2012), disponible en formato ―KMZ‖, sin
evaluación de la precisión.
Dado que los estudios recopilados tienen distinta extensión espacial y temporal, no fue
posible comparar cada producto con la base de datos propia. Se realizó una comparación
con los productos elaborados por Boletta et al. (2006), Clark et al. (2010) y Hansen et
23
al. (2013). Para la misma área de análisis la zona transformada en la base de datos
propia fue del 10,0% más alto que el reportado por Hansen et al. (2013) (el área se
reduce al 6,0% cuando polígonos se ―rasterizaron‖ a un tamaño de pixel de 30 x 30 m
tamaño de píxel), 1.5% más alto que Clark et al. (2010), y 0,2% más pequeño que
Boletta et al. (2006) (Ver Anexo 1).
2.4.2. Dinámica de las transformaciones en la cobertura natural
A finales de 2012, el área total transformada en el Chaco Seco era de 15,8 millones de
hectáreas (Figura 2.2). Esta zona corresponde al 20,7% de la superficie natural en toda
la ecorregión. El área de cobertura natural transformada en Argentina, Paraguay y
Bolivia representa el 68%, 27% y 4% de la superficie total transformada,
respectivamente, (Figura 2.3 - a). La tasa de transformación interanual q% tiene sus
valores más altos en Paraguay a partir de 2009, alcanzando valores superiores al 4,0%
en 2010, el valor histórico más alto en toda la región (Figura 2.3 - b).
Se observó una tendencia positiva creciente en la tasa de transformación anual ―q%‖
para toda la región, lo que resultó en incrementos promedio desde 1976 de alrededor del
0,026% por año. Paraguay mostró un crecimiento exponencial en la tasa de
transformación anual ―q%‖, presentando incrementos promedio de aproximadamente
0,07% por año. Argentina y Bolivia presentan incrementos promedios en la tasa de
transformación anual ―q%‖ de aproximadamente el 0,02% y el 0,01% por año,
respectivamente (Figura 2.4).
Considerando las unidades administrativas de segundo nivel, Santiago del Estero
contribuyó al 23% de la superficie transformada total, seguido de Boquerón, Salta,
Chaco y Alto Paraguay, que aportaron un 17%, 12%, 10% y 8% del área total
transformada, respectivamente (Figura 2.5 - a). La tasa de transformación anual ―q%‖
mostró una tendencia creciente significativa para el período 1976-2012 en Formosa, La
Rioja, Salta, Santiago del Estero, Santa Cruz, Tarija, Alto Paraguay, Boquerón y
Presidente Hayes. A excepción de La Rioja, que muestra un aumento lineal, las
tendencias fueron todas exponenciales (Figura 2.5 - b).
24
Figura 2.2. Izq: Distribución espacial de las áreas transformadas 1976-2012 en la eco-región del
Chaco Seco Sudamericano. El color gris más oscuro corresponde a las áreas protegidas dentro
de la región. Der: Detalle de lotes transformados en tres zonas de Bolivia (1), Paraguay (2) y
Argentina (3).
1
2
3
25
Figura 2.3. (a) Área transformada acumulada para el período 1976-2012, (b) Tasa de
transformación anual "q%" (FAO, 1995) en el período 1976-2012 en la porción argentina,
boliviana y paraguaya del Chaco Seco.
0
2000
4000
6000
8000
10000
12000
1975 1985 1995 2005 2015
Sup
erfi
cie
tran
sfo
rmad
a ac
um
ula
da
(Mile
s d
e h
a)
ARGENTINA
PARAGUAY
BOLIVIA
0
1
1
2
2
3
3
4
4
5
1975 1985 1995 2005 2015
Tasa
de
tran
sfo
rmac
ión
an
ual
(q %
)
ARGENTINA
PARAGUAY
BOLIVIA
26
Figura 2.4. Tasa de transformación anual ―q%‖ (FAO 1995) para los cinco períodos de análisis
(1940-1976, 1976-1986; 1986-1996; 1996-2006; 2006-2012) por país, en la porción
correspondiente a la ecorregión del Chaco Seco Sudamericano.
0
0,5
1
1,5
2
2,5
1976 1986 1996 2006 2016
Tasa
de
tran
sfo
rmac
ión
anu
al(q
%)
Año
ARGENTINA
PARAGUAY
BOLIVIA
27
Figura 2.5. (a) Área natural remanente (miles de ha) y (b) Tasa de transformación anual "q%"
(FAO, 1995) durante cinco períodos (1940-1976, 1976-1986; 1986-1996; 1996-2006; 2006-
2012) en unidades administrativas secundarias correspondiente a la ecorregión del Chaco Seco
Sudamericano. Para cada unidad administrativa secundaria, se evaluaron las tendencias de
acuerdo con el modelo de mejor ajuste según coeficiente de determinación. ns: regresión no
significativa; **: regresión lineal; * regresión exponencial.
0.0
0.5
1.0
1.5
2.0
2.5
3.0
Tasa
de
tra
nsf
orm
aci
ón
an
ua
l(q
%, v
alo
res
ab
solu
tos)
a)
b)
0
2000
4000
6000
8000
10000
12000
14000
Áre
an
atu
ral r
ema
nen
te(M
iles
de
ha
)
Original
1976
1986
1996
2006
2012
ARG BOL PY
ARG BOL PY
nsns
nsns
ns
*
**
*
ns
ns
*
ns
ns * *
*
*
*
28
2.4.3. Tamaño de lotes
El tamaño medio de lotes transformados (MPS) fue, en promedio, más grande en
Argentina (61,99 ± 0.29 ha) que en Paraguay (54.03 ± 0.27ha) y Bolivia (33,39 ± 0,25
ha). Por otra parte, MPS tuvo una tendencia positiva significativa (p<0,05) desde 1976
hasta 2012 en Paraguay (b1 = 1,13 ± 0,02 ha/año) y Argentina (b1 = 0,82 ± 0,02 ha/año),
mientras que para Bolivia, tuvo una negativa (b1 = -0.52 ± 0.03 ha/año) (Figura 2.6).
En Argentina y Paraguay la frecuencia relativa de las lotes pequeños (menos de 20 ha)
disminuyó, mientras que la frecuencia relativa de lotes grandes (más de 50 hectáreas)
aumentó en el período de estudio (1976-2012), mientras que para Bolivia, las tendencias
fueron opuestas. El tamaño medio de lotes en Bolivia fue significativamente menor en
relación a los lotes de Argentina y Paraguay (Figura 2.7).
Figura 2.6. Evolución del tamaño medio de lote desde 1976 hasta 2012 para los cinco períodos
de análisis (1940-1976, 1976-1986; 1986-1996; 1996-2006; 2006-2012) por país, en la porción
correspondiente a la ecorregión del Chaco Seco Sudamericano. El tamaño medio de lote
aumentó en Paraguay y Argentina, mientras que en Bolivia disminuyó.
0
10
20
30
40
50
60
70
80
90
100
1976 1986 1996 2006 2012
Tam
añ
om
edio
de
lote
(ha
)
Año
Argentina
Paraguay
Bolivia
29
Figura 2.7. Distribución de frecuencias relativas (a cada año) para distintas categorías de
tamaño de lotes transformados en los cinco períodos de análisis (1940-1976, 1976-1986; 1986-
1996; 1996-2006; 2006-2012) por país, en la porción correspondiente a la ecorregión del Chaco
Seco Sudamericano. Significancia de las regresiones: ns: regresión no significativa; *: p <0,5 ;
**: p <0,05 ; ***: p <0,01.
< 10 10-20 20-50 50-100 > 100
0
10
20
30
40
< 10 10-20 20-50 50-100 > 100
0
10
20
30
40
50
< 3 3-7 7-15 15-30 > 30
0
10
20
30
40
AR
GE
NT
INA
PA
RA
GU
AY
BO
LIV
IA
200619961976 1986 2012
**
ns
ns**
*
*
***
ns**
*
**
*
ns
ns
ns
Tamaño de lote (ha)
Fre
cu
en
cia
re
lativa
30
2.4.4. Análisis a nivel de “parche” del área transformada
A nivel de paisaje, el tamaño de parches (conjunto de lotes agregados a 200 m,
descontando las cortinas forestales) es, en promedio, mayor en Paraguay (3513 ± 742
ha), seguido por Argentina (1.284 ± 115 ha) y luego Bolivia (361 ± 70 ha). El tamaño
de los parches fue diez veces mayor en Paraguay comparado con Bolivia, y 3 veces
mayor comparado con Argentina. El número de parches (NUMP), su co-variación
(PSCOV), y la densidad de los parches (parches por unidad de superficie) (DENS)
aumentaron a medida que la superficie total transformada aumentó desde 1976 hasta
2012. El tamaño promedio de los parches (MPS) (ha) y el borde total (TE) (m)
mostraron también una tendencia creciente, excepto entre el primer y segundo período
analizado para Bolivia. El índice medio de forma (MSI) mostró valores altos en el
primer período en Bolivia, mientras que en Paraguay se observa el patrón opuesto
(Tabla 2.1).
En Argentina y Paraguay, la frecuencia relativa de parches pequeños (de 10 a 100 ha) de
áreas transformadas mostró una tendencia a la disminución, mientras que los parches
más grandes tendieron a aumentar en el período analizado. Para Bolivia, no se observan
tendencias evidentes (Figura 2.8).
Tabla 2.1. Conjunto de métricas para medir la fragmentación de parches de áreas transformadas
a nivel de paisaje (200 m agregación, agrupando conjuntos de lotes sin considerar las cortinas
forestales) en la ecorregión del Chaco Seco Sudamericano, para los años 1976, 1986, 1996,
2006 y 2012, en Argentina, Paraguay y Bolivia. Las barras de colores representan las
diferencias relativas entre años en un índice y país particular. TA = área total (ha), MPS =
tamaño medio del parche (ha), PSCOV = variación porcentual MPS (%), NUMP = número de
parches, DENS = densidad de parches (parches/10 km2), TE = perímetro total de bordes (m),
MSI = Índice medio de forma.
31
Figura 2.8. Distribución de frecuencias relativas (a cada año) para distintas categorías de
tamaño de parches transformados (lotes agregados a 200 m, descontando las cortinas forestales)
a nivel de paisaje en los cinco períodos de análisis (1940-1976, 1976-1986; 1986-1996; 1996-
2006; 2006-2012) por país, en la porción correspondiente a la ecorregión del Chaco Seco
Sudamericano. Significancia de regresiones: ns: regresión no significativa; *: p <0,5 ; **: p
<0,05 ; ***: p <0,01.
<10 10-100 100 - 1K 1K-10K >10K
0
20
40
60
<10 10-100 100 - 1K 1K-10K >10K
0
20
40
60
<10 10-100 100 - 1K 1K-10K >10K
0
20
40
60
AR
GE
NT
INA
PA
RA
GU
AY
BO
LIV
IA
1976 1986 1996 2006 2012
ns
**
**
***
ns
*
ns
***
ns
ns
ns
ns
ns
*
Tamaño de parche (ha)
Fre
cu
en
cia
Re
lativa
32
2.5. Discusión
La realización de este capítulo de la tesis doctoral aporta a la comunidad una base de
datos geoespacial de elevada precisión para describir las transformaciones de la
cobertura natural en la ecorregión del Chaco Seco Sudamericano durante las últimas
cuatro décadas. La base de datos abarca una amplia extensión espacial y temporal
(1976-2012), realizada con el mismo protocolo de observación. La descripción
espacialmente explícita de la dinámica de áreas transformadas es una herramienta
indispensable para la gestión de los recursos naturales, la planificación territorial y la
investigación impactos de deforestación, entre otros. Esta base de datos ya ha sido
utilizada en estudios académicos, para detectar la deforestación ilegal (Redaf 2012), y
para apoyar a las disputas legales en los territorios aborígenes en Argentina (ver listado
en http://bestp.agro.uba.ar/). La base de datos está disponible en línea para su descarga y
uso en http://monitoreodesmonte.com.ar/.
La vegetación original de la región del Chaco, en particular los bosques secos, está
siendo reemplazada por extensos campos de cultivo y pastizales a un ritmo alarmante
(Volante et al. 2012, Hansen et al. 2013). Este estudio reveló que las tasas de
deforestación en la región chaqueña para el período 1976-2012 tienen una aceleración
exponencial (Figura 2.3, Figura 2.5, Figura 2.4). En el último período analizado, la tasa
de transformación anual ―q%‖ para toda la región aumentó 1,7 veces, desde 0,62% a
1,02%. Los cambios en la tasa de transformación anual ―q%‖ son espacialmente
heterogéneos. Aunque a nivel de país las tendencias fueron siempre positivas, la
magnitud del aumento en los últimos seis años varió: en Paraguay la tasa de
transformación anual ―q%‖ aumentó 3,4 veces (de 0,72% a 2,44%), en Bolivia 1,7 veces
(de 0,15% a 0,25%), y en Argentina 1,12 veces (de 0,76% a 0,85%) (Figura 2.4).
Los cambios también fueron variables en el segundo nivel administrativo analizado. En
el último período analizado, la tasa de transformación anual ―q%‖ en Argentina mostró
aumentos en varias provincias (Formosa, Jujuy, Salta, San Luis y Santiago del Estero).
En Formosa, la tasa anual de transformación aumentó 8,2 veces en la última década (de
0,09% a 0,8%), y en Salta, 1,6 veces (de 0,86% a 1,40%) (Figura 2.5 (b)). Otras
provincias mostraron tendencias decrecientes en la tasa de transformación anual ―q%‖
(Catamarca, Chaco, Córdoba, Santa Fe y Tucumán). Estas tendencias decrecientes en la
deforestación pueden estar asociados con dos hechos: a) la mayor parte de las tierras
forestales que quedan en esas provincias están ubicadas en zonas con limitaciones
topográficas, edáficas o climáticas para la agricultura; b) la aplicación de la Ley Nº
26,331, de Protección de Bosques Nativos, sancionada en noviembre de 2007, que
limita la deforestación en algunas áreas de alto y medio valor de conservación.
La región chaqueña tiene grandes áreas con condiciones adecuadas para la producción
de cultivos (como la soja y el maíz) y carne (en pasturas cultivadas) que poseen una
elevada demanda mundial (Gasparri et al. 2016, Le Polain de Waroux et al. 2016). El
aumento de los precios de estos productos en los últimos quince años ha dado lugar a
una rápida expansión de la frontera agropecuaria en la región. Además, el tipo de
cambio de moneda local, la disponibilidad de paquetes tecnológicos (sin labranza del
sistema y los cultivos modificados genéticamente), y los aumentos regionales
registrados en la precipitación (Liebmann et al. 2004, Bravo et al. 2010) incitaron
cambios abruptos en las tasas de deforestación.
33
Los diferentes grupos de usuarios de la tierra tienen una fuerte impronta en la
configuración del paisaje (Killeen et al. 2008, Baldi et al. 2015). El tamaño de los lotes
da una idea de la unidad de gestión y es un indicador de la dimensión económica de los
actores que impulsan la transformación. En Argentina y Paraguay, donde hay un
predominio de agricultores y ganaderos capitalizados (Gasparri et al. 2013, Baldi et al.
2015), predominan lotes más grandes (Figura 2.6) y su tamaño está aumentando desde
1976 (Figura 2.7). Este patrón de uso del territorio sugiere que están operando usuarios
con propiedades extensas y un alto nivel de mecanización para la deforestación y la
siembra (Pacheco y Mertens 2004, Huang et al. 2009). En Bolivia la situación difiere
respecto a Argentina y Paraguay, debido a que las áreas deforestadas para la agricultura
son gestionados por un grupo más diverso de partes interesadas (Pacheco 2004, Redo
et al. 2012). La región del Chaco boliviano, en donde hay un predominio de grupos
aborígenes y colonos menonitas no mecanizados (Baldi et al. 2015), presenta un tamaño
significativamente menor de parcela en relación a Argentina y Paraguay (Figura 2.2,
Figura 2.6). De hecho, en Bolivia se observó un aumento significativo en la frecuencia
relativa de las pequeñas parcelas transformadas durante el periodo estudiado (Figura
2.7).
A nivel de paisaje, la configuración espacial de los parches transformados (parcelas
agregadas a 200 m) cambió sustancialmente durante el período de estudio entre 1976 y
2012. El tamaño promedio de los parches (MPS), el número de parches transformadas
(NUMP), la densidad de los parches (DENS) y el borde total (TE) aumentaron
considerablemente a medida que la superficie total transformada aumentaba (Tabla 2.1).
Estos resultados son consistentes con otros análisis de cambios en el paisaje de las zonas
de bosque seco (Steininger et al. 2001, Gasparri y Grau 2009, Pinto-Ledezma y Rivero
Mamani 2013). El índice de forma (MIS) fue mayor para Paraguay que para Argentina
y Bolivia, lo que indica una mayor complejidad (es decir, menor compacidad) en los
parches deforestados. En Paraguay se observa una tendencia al aumento de grandes
parches mientras que en Argentina y Bolivia el tamaño del parche fue más estable. El
aumento en el tamaño de los parches deforestados sugiere una homogeneización del
paisaje (Figura 2.8). El área total transformada (TA), el tamaño de los parches (MPS), el
perímetro total (TE) y la forma de los parches (MSI) tienen gran impacto en el
funcionamiento del ecosistema (Volante et al. 2012), en las poblaciones locales debido a
la pérdida de hábitat (Mastrangelo y Gavin 2012, Macchi et al. 2013) y en el clima local
(Alcaraz-Segura et al. 2013b).
A escala regional, la conversión de los bosques secos del Chaco a pastizales o cultivos
anuales acelera los cambios climáticos (Agrawal et al. 2011), altera el funcionamiento
de los ecosistemas (Volante et al. 2012) e intensifica los conflictos sociales (Redaf
2010). La mayoría de las comunidades nativas del Chaco no poseen la tenencia formal
de sus tierras (Leake 2008) y están siendo desalojados debido a la expansión agrícola y
al aumento de los conflictos territoriales asociados al proceso que Harvey (2003) define
como "acumulación por desposesión". El monitoreo de la deforestación y su puesta a
disposición de la comunidad es un elemento clave para empezar a resolver el conflicto
territorial instalado por la expansión agrícola. Por un lado, una descripción de los
patrones espaciales y temporales de la transformación del suelo permitiría identificar los
factores biofísicos, sociales, políticos y económicas que aceleran los cambios. Por otra
parte, el seguimiento en sí resulta esencial para desarrollar y hacer cumplir las políticas
de uso del suelo y para la planificación y gestión del territorio.
34
Capítulo 3
Integración de procesos biofísicos y sociales para definir Tipos Funcionales de
Socio-Ecosistemas en la región chaqueña argentina.
35
Capítulo 3 . Integración de procesos biofísicos y sociales para definir Tipos
Funcionales de Socio-Ecosistemas en la región chaqueña argentina.
3.1. Introducción
3.1.1. El estudio de los sistemas socio-ecológicos
Cada vez más, los problemas ambientales son abordados desde una perspectiva socio-
ecológica, considerando la provisión de los servicios ecosistémicos y sus cambios
(Berkes et al. 2003, Millennium Ecosystem Assessment 2005, Carpenter et al. 2009). El
marco conceptual de los Sistemas Socio-Ecológicos (SSE) proporciona un enfoque para
estudiar conjuntamente las múltiples interacciones e interdependencias entre sistemas
humanos y naturales (Ostrom 2009). Este marco hace explícita la dependencia del
bienestar humano del capital natural, mediado por la apropiación de los servicios
ecosistémicos (SE) para transformarlos en beneficios humanos, y los impactos que se
ocasionan en el medio ambiente (Anderies et al. 2004, Resilience Alliance 2010). En los
últimos años, se han realizado esfuerzos de investigación en la evaluación y cartografía
de SE (por ejemplo, Kareiva et al. 2011, Martínez-Harms and Balvanera 2012, Paruelo
et al. 2016). Sin embargo, los enfoques para la cartografía de SES son controvertidos
(por ejemplo, Alessa et al. 2008, Ellis and Ramankutty 2008, Hamann et al. 2015) y
todavía queda un camino por recorrer en la integración y combinación de las múltiples
dimensiones del SSE a nivel regional. Parte del desafío de mapear sistemas socio-
ecológicos es la complejidad de las interacciones entre los componentes del sistema
biofísicos y social que actúan a diferentes escalas, lo que hace que se difícil asignar
límites espaciales claros (Cilliers 2001, Folke et al. 2007).
Para llevar a cabo una gestión sostenible del territorio es necesario entender cómo son
las interacciones hay entre los componentes del sistema social y biofísico en los
distintos patrones de uso de los recursos, y qué resultado tienen estos patrones en el
bienestar humano (Ostrom 2007, Cumming et al. 2014). Los esfuerzos de investigación
y gestión dirigidos a evaluar, comunicar y diseñar medidas de mitigación de los
impactos ambientales y sociales de la expansión agropecuaria en el Chaco Seco han
crecido considerablemente en los últimos años. Sin embargo, aún no se han
implementado evaluaciones integrales y sistémicas a escala regional, y existen
importantes vacíos en la investigación orientada al desarrollo de herramientas
metodológicas que permitan abordar el problema desde una perspectiva socio-ecológica
integral, capaz de intervenir en la interfaz entre la producción de conocimiento y la
toma de decisiones. En este contexto, resulta prioritario generar conocimiento y aportar
herramientas que permitan una mejor comprensión de la heterogeneidad y complejidad
de la región chaqueña para poder implementar incentivos y regulaciones adaptables a
las características de los paisajes y grupos de interés involucrados.
3.1.2. La zonificación en el Ordenamiento Territorial Rural. ¿Qué mapear?
La zonificación consiste en delimitar espacios geográficos relativamente homogéneos,
por lo que resulta útil para comprender el territorio, diagnosticar problemas, ayudar a la
planificación territorial y regular la distribución equitativa de los beneficios y perjuicios
respecto a los cambios en el uso de la tierra (Mendoza et al. 2009). La zonificación es
necesaria para establecer las restricciones y las prioridades de manera sostenible y para
asegurar que las asignaciones y transferencias de los recursos públicos a las unidades
territoriales puedan determinarse de manera técnica y transparente en función de las
36
características de cada territorio (López Beneitez et al. 2006). La zonificación del
territorio en función de las aptitudes del ecosistema (ej. capacidad de carga ganadera) y
los impactos (observados y potenciales) de las actividades humanas (ej. riesgo de
salinización) es un elemento de comunicación y de desarrollo de políticas muy
importante (Seghezzo et al. 2011, García Collazo et al. 2013).
Los paisajes difieren en su capacidad para proporcionar bienes y servicios ecosistémicos
(Burkhard et al. 2009), lo que condiciona el tipo de estructura y funcionamiento del
sistema social. A su vez, las actividades humanas alteran la estructura y funcionamiento
ecosistémico necesarios para sostener la provisión de servicios ecosistémicos, tanto a
escala global como local (Foley et al. 2005, Metzger et al. 2006, Oesterheld 2008). La
distribución de las consecuencias de los cambios en el uso del suelo es asimétrica tanto
en tiempo como en espacio, siendo las poblaciones marginales y las generaciones
futuras las más vulnerables a las externalidades negativas del desarrollo económico
actual (Lambin y Meyfroidt 2011a).
La planificación y la gestión de los ecosistemas precisan reunir los aspectos socio-
culturales y modos de intervención del ecosistema por parte de los distintos usuarios de
la tierra en formatos accesibles para la investigación, la planificación territorial, y la
comunicación social. Tradicionalmente, el foco ha estado puesto en aspectos biofísicos
estructurales (clima, suelos, relieve, vegetación o tipos de coberturas), o, más
recientemente funcionales (producción primaria), pero sin tener en cuenta aspectos
asociados a la dimensión humana (FAO 1997). Aunque la zonificación de la tierra es un
requisito previo necesario para orientar las políticas con vistas a una mejor ordenación
del territorio, todavía queda un camino por recorrer en la integración y combinación de
las múltiples dimensiones del SES a nivel regional. La integración de los aspectos
biofísicos y humanos para el mapeo de sistemas socio-ecológicos es escasa (ej. Ellis y
Ramankutty (2008)), pero su aplicación para la ordenación del territorio es, en la
práctica, esencialmente nula.
Un enfoque interesante para la zonificación del territorio desde el punto de vista del
suministro pero también demanda de servicios ecosistémicos es el de las Unidades
Proveedoras de Servicios (SPU, por sus siglas en inglés), el cual se refiere a la suma
total de los organismos necesarios para ofrecer un servicio determinado en el nivel
necesario a los beneficiarios del servicio (Luck et al. 2003, 2009, García-Nieto et al.
2013). Este enfoque divide –aunque también reduce– a los paisajes en unidades
proveedoras de servicios y representa una nueva forma de clasificación en arquetipos de
paisaje. Burkhard et al. (2012) definen a la provisión de SE como la capacidad de un
área en particular para proporcionar un grupo específico de servicios de los ecosistemas
dentro de un determinado período de tiempo, mientras que la demanda es la suma de
todos los servicios de los ecosistemas actualmente consumidas, utilizadas, o valorados
en un área determinada durante un período de tiempo dado. Según la perspectiva socio-
ecológica, las SPU deben cuantificarse tanto en términos de provisión, como de
demanda de SE.
3.1.3. Aproximación "top-down" vs. "bottom-up"
En el contexto del mapeo de propiedades de sistemas sociales y naturales, la escala y
resolución son consideraciones importantes a tener en cuenta. A escala global,
resoluciones más pequeñas serán suficientes para responder preguntas acerca de la
37
interacción entre los sistemas sociales y naturales. Sin embargo, para el estudio de áreas
geográficas más pequeñas será necesario adoptar mayores resoluciones de estudio. Los
sistemas complejos deben ser analizados y manejados realizando un análisis simultaneo
a varias escalas y aproximaciones (Viglizzo et al. 2005, Cumming et al. 2006). El mayor
desafío para el mapeo y posterior manejo de sistemas socio-ecológicos es la
disponibilidad de datos sociales a una resolución detallada y relevante para el
ordenamiento territorial.
Los enfoques "top-down" (de arriba a abajo) y "bottom-up" (de abajo a arriba) surgen
como estrategias de procesamiento en ciencias de la computación (desarrollo de
software y programación), y más tarde encuentran aplicación en una variedad de
campos, tales como la medicina (nanotecnología y neurociencias), las ciencias
económicas (asistencia a inversiones financieras), las ciencias sociales (toma de
decisiones, gestión y administración), y también en distintos ámbitos de la ecología y la
gestión de los recursos naturales.
En ecología de comunidades, el concepto de aproximación "top-down" y "bottom-up" se
ha utilizado como marco conceptual para entender cuáles son los mecanismos de control
de diferentes procesos en el ecosistema que definen la estructura de una comunidad
(Hunter y Price 1992, Menge 2000, Freidenburg et al. 2007). En el marco de los
sistemas socio-ecológicos, Chapin et al. (2009) realizó una conceptualización en un
intento por entender cómo se reorganizan estos sistemas frente a los cambios o
transformaciones. Según esta aproximación, tanto en el componente ecológico como
social, los sistemas se ven afectados por fuerzas globales o "top-down" (ej. clima, biota,
sistema de gobernanza, mercado global) y locales o "bottom-up" (ej. incendios,
concentración de nitratos, acceso a recursos, mano de obra).
Por otra parte, en ecología de paisajes, y planificación territorial estos enfoques se usan
como estrategias de conocimiento para identificar un problema, formular un diseño de
investigación apropiado o responder preguntas acerca de patrones en el paisaje. Así, en
el enfoque "top-down" se estudia al sistema como un todo, con una visión general, para
luego refinar y descomponer las partes que lo componen con mayor nivel de detalle.
Este enfoque enfatiza la planificación y conocimiento completo del sistema. En
contraste, en el enfoque "bottom-up" las partes individuales se definen con detalle y
luego se enlazan para formar componentes más grandes, que a su vez se enlazan hasta
que se forma el sistema completo. Este enfoque se centra en los atributos de partes
individuales de la unidad de análisis. En la actualidad, se considera que es necesario
combinar ambas aproximaciones para entender los controles y funcionamiento de los
sistemas. Es decir, se requiere tanto un conocimiento completo del sistema, como la
integración de las partes individuales dentro del todo.
3.1.4. El enfoque funcional: De Tipos Funcionales de Plantas (TFP) a Tipos
Funcionales de Ecosistemas (TFE)
A lo largo de la historia, naturalistas y ecólogos han desarrollado diferentes
categorizaciones para reducir la enorme complejidad y cantidad de especies en un
número relativamente pequeño de patrones generales. Las primeras clasificaciones
fueron realizadas por Linneo (1735), quien clasificó al reino vegetal (y demás reinos)
según atributos taxonómicos. Más tarde Raunkiær (1934) realizó una clasificación de
las plantas según sus formas de vida. Root (1967) las clasificó según los patrones de
38
explotación de los recursos (gremios), y Grime (2001) lo hizo según la respuesta a las
perturbaciones (estrategias de supervivencia). Por último, como parte de un enfoque
funcional, los Tipos Funcionales de Plantas (TFP) (Tabla 3.1) son grupos de plantas
que comparten características físicas, filogenéticas y fenológicas. Los TFP fueron
desarrollados con la idea de ser usados por los climatólogos para su aplicación en
modelos de respuesta a los cambios climáticos (Bonan et al. 2002). En el desarrollo de
los TFP, está implícita la idea de agrupar a las plantas que manifiestan una respuesta
similar frente a las condiciones ambientales y que tienen un efecto similar sobre el
ecosistema (Walker 1992, Noble y Gitay 1996, Diaz y Cabido 1997), y es por eso que
su uso se difundió para predecir las respuestas de la vegetación al cambio global.
Al igual que las especies de plantas se agrupan sobre la base de sus características
funcionales, los ecosistemas se pueden agrupar de acuerdo a su comportamiento
funcional. Así como los biomas (Clapham 1930, Tansley 1935) conceptualizan aspectos
más relacionados a la biogeofísica (aspectos estructurales), los Tipos Funcionales de
Ecosistemas (TFE) incluyen aspectos biogeoquímicos para su definición, especialmente
la fotosíntesis y el ciclo del carbono (aspectos funcionales). En este sentido, los Tipos
Funcionales de Ecosistemas (Tabla 3.1) son grupos de ecosistemas con dinámicas
similares respecto al intercambio de materia y energía entre la biota y el ambiente físico
(Paruelo et al. 2001). Una de las aproximaciones más utilizadas para llevar a la práctica
el concepto, ha sido la identificación de TFE a partir de las dinámicas de
la productividad primaria, uno de los descriptores esenciales del funcionamiento
ecosistémico (Alcaraz-Segura et al. 2006, 2013b, Volante et al. 2012). Los TFE son
muy útiles para capturar la heterogeneidad espacial y temporal del funcionamiento del
ecosistema (Fernández et al. 2010), conocer la diversidad funcional de una región en
parches de paisaje (Alcaraz-Segura et al. 2013b), evaluar los controles ambientales
y antropogénicos de la diversidad funcional (Alcaraz-Segura et al. 2009b, 2013b),
identificar prioridades geográficas en conservación (Cabello et al. 2008), monitorear
cambios en el funcionamiento de Redes de Espacios Protegidos (Cabello et al. 2016),
evaluar y seguir los cambios en el nivel de provisión de servicios ecosistémicos
intermedios o de soporte (Volante et al. 2012), y optimizar modelos de circulación
general de la atmósfera, incluyendo cambios interanuales en las propiedades biofísicas
de los ecosistemas (Lee et al. 2013, Müller et al. 2014).
3.1.5. Un nuevo concepto: Los Tipos Funcionales de Socio-Ecosistemas (TFSE)
Dado que los Tipos Funcionales de Ecosistemas (TFE) son funcionalmente
homogéneos, pueden ser interpretados como parches de la superficie terrestre con la
misma capacidad para proporcionar Servicios Ecosistémicos intermedios (sensu Fisher
et al. 2009) o de soporte (sensu Millennium Ecosystem Assessment 2005). Sin embargo,
los TFE no incorporan explícitamente la dimensión humana en su clasificación. La
necesidad de asistir la planificación y gestión territorial hace necesaria la incorporación
de aspectos sociales, culturales y económicos (Martín-López et al. 2009), de modo que
es ineludible desarrollar y adoptar un método para caracterizar y mapear sistemas socio-
ecológicos capaz de capturar aspectos relevantes de la interacción ser humano-
naturaleza y asistir a la toma de decisiones. Esta clasificación debería permitir entender
mejor cómo son los cambios en el uso del suelo para los distintos usuarios de la tierra y
qué consecuencias generan en el ambiente. El marco de los sistemas socio-ecológicos
constituye un poderoso enfoque para la comprensión del funcionamiento de los sistemas
socio-ecológicos, pero su estudio plantea una serie de desafíos metodológicos y
39
epistemológicos dada la complejidad de los niveles de organización, múltiples
dimensiones y escalas espaciales involucradas.
Algunos autores han tratado de integrar los sistemas biofísicos y sociales y capturar los
patrones y la dinámica de la interacción humana con los ecosistemas mediante la
elaboración de mapas. A escala global, Ellis y Ramankutty (2008) utilizaron la densidad
de población humana y el uso de la tierra como el principal criterio de clasificación, y
definieron los "biomas antropogénicos" o "antromas", los cuales brindan la oportunidad
potencial de modelar cambios en la dinámica del sistema terrestre (Alessa y Chapin
2008). A escala local, Alessa et al. (2008) identificaron áreas geográficas en donde
existe convergencia entre sistema social (percepción humana del paisaje) y ecológico
(mediciones biofísicas). Raudsepp-Hearne et al. (2010) desarrollaron un marco para
analizar la provisión de múltiples servicios ecosistémicos a través de distintos paisajes y
presentaron una demostración empírica de manojos (―bundles‖) de SE, es decir, grupos
de servicios que aparecen juntos de forma repetida. Más tarde Hamann et al. (2015)
consideraron el uso de servicios ecosistémicos a nivel de vivienda para mapear
municipalidades según el uso servicios ecosistémicos provenientes del entorno local.
Sin embargo, hasta el momento, los estudios que han mapeado sistemas socio-
ecológicos se basaron en la combinación de los datos sociales y ecológicos por
separado, o utilizaron únicamente datos del componente de interacción entre ambos
sistemas, tales como la oferta o demanda de SE.
Recientemente, Arneth et al. (2014), inspirados en la idea de los ―tipos funcionales de
plantas‖, propusieron un marco teórico para la definición de "tipos funcionales de
agentes" (Tabla 3.1), con la idea de modelar el comportamiento de los actores frente a
los cambios en el uso del suelo. En este caso, los agentes son caracterizados según el rol
(ej. forestal, agricultor, residente urbano) y comportamiento (ej. aversión al riesgo,
imitación, conservadurismo) que definen la toma de decisiones frente al uso de la tierra.
El trabajo de Arneth et al. (2014) resulta muy interesante en sus aspectos conceptuales
como aproximación "bottom-up" que parte desde las propiedades al nivel de planta y de
actor humano para modelar el funcionamiento de los sistemas socio-ecológicos, pero la
construcción de este tipo de modelos resulta de difícil aplicación debido a la dificultad
de obtener los datos necesarios para modelar el comportamiento humano, y además no
cuenta con la aparición de propiedades emergentes conforme se van agrupando los
niveles de organización inferiores en superiores.
En este intento de zonificar el territorio atendiendo al funcionamiento del sistema socio-
ecológico, este capítulo incorpora un nuevo concepto, el de Tipos Funcionales de Socio-
Ecosistemas (TFSE), definidos como parches de la superficie terrestre que comparten
dinámicas similares en el intercambio de materia y energía entre la biota y su entorno
físico, y similares patrones socioeconómicos y culturales, y desarrolla una aproximación
metodológica para su identificación. Ver Tabla 3.1 para comparar los distintos tipos de
enfoques funcionales.
40
Tabla 3.1. Tabla comparativa de enfoques funcionales para la clasificación de: a) plantas (Tipos
Funcionales de Plantas), b) ecosistemas (Tipos Funcionales de Ecosistemas), c) agentes (Tipos
Funcionales de Agentes), y d) socio-ecosistemas (Tipos Funcionales de Socio-Ecosistemas).
Tipos Funcionales de Plantas (TFP)
Tipos Funcionales de Ecosistemas (TFE)
Tipos Funcionales de Agentes (TFA)
Tipos Funcionales de Socio-Ecosistemas (TFSE)
Definición Son grupos de especies que muestran respuestas similares frente a cambios ambientales o bien efectos similares en el funcionamiento ecosistémico.
Son grupos de ecosistemas con dinámicas similares en los intercambios de materia y energía entre la biota y el ambiente físico.
Son tipologías de agentes que comparten roles, atributos y comportamiento similar frente a los cambios en el uso del suelo.
Son porciones del territorio que presentan un funcionamiento similar en el componente biofísico, social e interacciones del sistema socio-ecológico.
Aproximación De abajo hacia arriba (“Bottom-up”)
De arriba hacia abajo (“Top-down”)
De abajo hacia arriba (“Bottom-up”)
De arriba hacia abajo (“Top-down”)
Enfoque disciplinar
Sinecología y ecología de comunidades
Ecología de ecosistemas y ecología regional
Tipos de capital Sistemas acoplados ser humano-naturaleza
Marco conceptual
Atributos estructurales y funcionales a nivel de especie
Flujos de energía en el ecosistema
Comportamiento humano y toma de decisiones individuales
Sistemas socio-ecológicos
Metodología de clasificación
No existe una clasificación universal de TFP. Cada clasificación depende del objetivo del estudio, escala y proceso ecosistémico o factor ambiental de interés.
Clasificaciones no-supervisada. Utilización de datos provenientes de sensores remotos (atributos funcionales como integral anual, estacionalidad y momento del máximo de EVI o NDVI).
Modelos Basados en Agentes. Utilización de datos acerca del rol y comportamiento de los agentes según disponibilidad de tipos de capital e interacciones.
Clasificación con métodos multivariados (análisis jerárquico y PCA). Utilización de datos censales y provenientes de sensores remotos.
Unidad de análisis
Planta Pixel Agente Unidades administrativas
Aplicación - Modelos dinámicos de vegetación global.
- Modelos predictivos de la dinámica de las comunidades vegetales ocasionados por el cambio global.
- Identificar prioridades geográficas en conservación.
- Monitoreo de cambios en la provisión de SE intermedios.
- Modelos climáticos regionales.
- Modelar el comportamiento de los agentes.
- Proyección de escenarios de cambios en el uso del suelo.
- Capturar heterogeneidad espacial de agentes territoriales.
- Zonificación para el ordenamiento territorial.
Ventajas - Flexibilidad para clasificar plantas según su respuesta al ambiente o según el efecto en los procesos ecosistémicos dominantes.
- Disponibilidad de datos satelitales gratuitos a diferentes resoluciones
- Análisis de tendencias
- Facilidad de uso y procesamiento
- Incorpora el aprendizaje social y otros atributos humanos para modelar respuestas frente al cambio global.
- Individualización y descripción detallada de agentes
- Visión general para la comprensión del sistema
- Escala espacial relevante para la planificación territorial
- Metodología factible de ser aplicada a escalas globales
Limitantes - Dificultad para modelar las interacciones entre plantas (ej: mutualismo, competencia).
-Dificultad de modelar propiedades emergentes
- Si bien incorpora el funcionamiento ecosistémico (aspecto relacionado a la provisión de SE intermedio), no permite entender cómo esos servicios son capturados por los seres humanos.
- Dificultad de poner en práctica por la especificidad de datos necesarios (atributos de comportamiento y localización de agentes)
- Los enfoques actuales de los modelos basados en agentes que se aplican a nivel local a escala no son prácticos para aplicaciones a escala global.
- Restricciones para la disponibilidad de datos en resoluciones detalladas (ej. explotación agropecuaria).
- Dificultad para realizar análisis de tendencias debido a la periodicidad de datos censales.
41
3.2. Objetivos
En este capítulo presento un marco conceptual y metodológico para la identificación,
caracterización y mapeo de Tipos Funcionales de Socio-Ecosistemas (TFSE),
integrando procesos biofísicos, socioeconómicos y culturales dentro de una clasificación
funcional de los sistemas socio-ecológicos.
Los objetivos específicos se detallan a continuación:
a) Presentar un marco conceptual y metodológico para la identificación,
caracterización y mapeo de Tipos Funcionales de Socio-Ecosistemas (TFSE),
integrando procesos biofísicos y sociales en porciones definidas del territorio.
b) Aplicar la metodología desarrollada en el territorio rural de la Región Chaqueña
argentina, utilizando datos censales y técnicas de teledetección
3.3. Materiales y métodos
La metodología propuesta para la definición de TFSE permite integrar procesos
biofísicos y sociales a través de paisajes rurales, facilitando la identificación de
entidades administrativas homogéneas en términos de funcionamiento socio-ecológico.
En resumen, la metodología consta de los siguientes pasos:
1. Seleccionar extensión y resolución del análisis, acorde al propósito del estudio
2. Seleccionar, recoger y organizar las variables para conformar los TFSE
3. Evaluar la correlación entre las variables utilizadas para el análisis
4. Clasificar los TFSE, mediante una agrupación jerárquica
5. Reducir dimensionalidad e identificar los patrones, mediante un análisis multivariado
6. Mapear los TFSE, utilizando un sistema de información geográfico (SIG)
7. Describir los TFSE según las variables utilizadas para su clasificación
3.3.1. Extensión del estudio y resolución del análisis
La región de estudio comprende 10 provincias y 116 departamentos de Argentina
correspondientes a la región Chaqueña. Se incluyeron tanto los departamentos de la
región del Chaco Seco como los del Chaco Húmedo (Figura 3.1). La resolución del
análisis fue la radio censal rural, que representa un conjunto explotaciones
agropecuarias (EAPs). Los radios censales son unidades administrativas definidas por
un espacio territorial con límites geográficos definidos. Se clasifican según la forma en
que se asienta y distribuye la población en ese territorio. Los radios censales se
encuentran contenidos en las fracciones censales. Estas divisiones censales
corresponden a distintos niveles de la estructura censal y determinan cargas equilibradas
para asegura un mejor control de la cobertura territorial en Argentina, facilitando la
distribución y recuperación de los materiales censales y el buen desarrollo del operativo.
Su tamaño está definido por la cantidad de viviendas que contienen. En zonas rurales el
tamaño está determinado también por las características del terreno, accesibilidad y
distancia entre las viviendas. Mientras una fracción censal contiene un promedio de
5000 viviendas, el radio censal contiene un promedio de 300. La elección del radio
42
censal como escala de trabajo está limitada por la ley de secreto estadístico (Ley Nº
17.622), por la cual no es posible obtener datos a una mayor resolución.
Figura 3.1. El área de estudio comprende 10 provincias y 116 departamentos
correspondientes a la ecorregión chaqueña argentina (chaco seco y chaco húmedo).
Para la obtención de datos se firmó un convenio entre la FAUBA y el INDEC ya que los
datos no se encuentran disponibles para el público a la resolución requerida. En el
proceso fue necesario realizar ajustes en la definición de las variables de manera de no
violar el secreto estadístico. Los ajustes se realizaron en colaboración con los técnicos
del INDEC Eugenio Parra y Pablo Hasenbalg. Se accedió a los datos del Censo
Nacional Agropecuario de radios censales correspondientes a la ecorregión chaqueña
argentina, para los años 2002 y 2008. Sin embargo, el comentario generalizado por parte
de profesionales del área de las ciencias sociales de que los datos del CNA para el año
2008 no son fiables llevó a tomar la decisión de no usar esos datos, con lo cual no fue
posible realizar la comparación temporal de TFSE entre ambos años 2002 y 2008, como
era previsto. Las radios censales que medían menos de 40 km2 fueron eliminadas debido
a que correspondían a áreas urbanas con alta densidad de población, sistemas fuera del
objetivo de este trabajo. Se solicitaron datos para un total de 2188 radios censales
rurales, pero se encontró información faltante o incongruente en 22 radios censales, por
lo que fueron descartados, quedando disponibles un total de 2166 radios censales para el
análisis.
43
3.3.2. Variables seleccionadas
Se seleccionaron 17 variables para caracterizar el funcionamiento del SES (Tabla 3.2)
considerando las dimensiones del sistema socio-ecológico (Figura 3.2). Con el objetivo
de que el mapeo TFSE sea de aplicación futura en la ordenación territorial, las variables
utilizadas para la definición de los TFSE deben cumplir con el requisito de ser factibles
de conseguir a la escala del estudio establecida, y además ser capaces de explicar la
mayor variabilidad espacial y temporal. Para caracterizar el componente ecológico se
utilizaron datos de la cobertura natural, productividad y estacionalidad. Para la
caracterización del componente social se utilizaron datos de densidad poblacional,
pobreza, mano de obra y densidad de escuelas. Para la caracterización de las
interacciones entre ambos componentes se utilizaron datos sobre la realización de
actividades (cultivos anuales, cultivos forrajeros, cría de ganado, superficie con riego,
cantidad de tractores, carga ganadera, transformación de la cobertura natural),
conectividad de la red de transportes (densidad de rutas) y vínculo territorial (tipo
jurídico de productor y régimen de tenencia de la tierra). Toda la información se
organizó a nivel de radio censal.
Figura 3.2. Diagrama conceptual de los elementos que componen un sistema socio-ecológico.
Elaboración propia a partir de Resilience Alliance (2007). El componente ecológico incluye
tanto aspectos estructurales (biomasa, composición de especies) del ecosistema, como
funcionales (las ganancias totales de C y su dinámica temporal). El componente social está
compuesto por los individuos, los grupos locales y las organizaciones, así como por las
relaciones que se establecen entre ellos. Este sistema se beneficia de los servicios generados por
el ecosistema ya que el flujo de servicios (pesca, agricultura, etc.) influye en el bienestar
humano, y a su vez desarrolla acciones o las intervenciones (restauración, conservación, etc.)
que modifican directa o indirectamente el funcionamiento y estructura de los ecosistemas.
Ambos sistemas se encuentran, además vinculados por la conectividad, la cual representa el
grado de cercanía o lejanía con la que los usuarios hacen uso del ecosistema local.
SISTEMA SOCIO-ECOLÓGICO
INTERACCIONES
COMPONENTE ECOLÓGICO
COMPONENTE SOCIAL
Provisión de SE
Demanda de SE
Presión sobre el ambiente
ConectividadPoblación
Bienestar y desarrollo
Estructura
Funcionamiento
44
Los datos correspondientes a la dimensión social se obtuvieron de Censo Nacional de
Población, Hogares y Viviendas y el Censo Nacional Agropecuario del año 2002,
provistos por el INDEC. Los datos correspondientes a la dimensión biofísica fueron
derivados del producto MOD13Q1-EVI de MODIS (siguiendo la metodología de
Volante et al. 2012). Se utilizaron también datos de la base de datos de escuelas del
Ministerio de Educación, el vector de caminos del proyecto SIG 250 (IGN 2012) y la
base de datos de lotes transformados elaborada para el Capítulo 2. Para evaluar la
correlación entre las variables utilizadas se realizó un análisis de correlación,
observando la fuerza y signo de la relación entre las mismas a la resolución
seleccionada.
3.3.3. Clasificación, mapeo y descripción de TFSE
Se realizó un análisis exploratorio de los datos con las variables del censo, eliminando
valores extremos e inconsistentes (por ej. valores de superficie agrícola o de bosques
que superan el tamaño de la explotación agropecuaria).. Una vez que la información fue
organizada por radio censal rural, las variables se normalizaron y se realizó un análisis
jerárquico, utilizando el método de Ward (Ward 1963). El método de Ward maximiza la
homogeneidad dentro de los grupos, y permite reconocer subconjuntos discontinuos en
matrices de datos multivariados. El resultado del agrupamiento jerárquico se representa
en forma de dendrograma o gráfico en forma de árbol invertido, en donde las distancias
implican el grado de similitud / disimilitud entre objetos. Los grupos y subgrupos de
SEFTs se obtuvieron usando dos cortes en diferentes niveles.
Se realizó un Análisis de Componentes Principales (PCA) para reducir la dimensionali-
dad de los datos y encontrar los componentes que explican la mayor parte de la varianza
total de los datos. Un componente principal es una combinación lineal normalizada de
las variables originales en un conjunto de datos, y por lo tanto es posible explicar la
variabilidad de los datos y ordenarlos por importancia. Para variables con alta
dependencia es posible explicar la mayor parte la variabilidad original mediante un
pequeño número de nuevas variables (componentes principales), sin embargo, cuando
las variables originales no están altamente correlacionadas, es necesario un mayor
número de componentes principales para explicar la variabilidad de los datos, y no es
posible reducir demasiado la dimensionalidad.
Una vez definidos los grupos TFSE, fueron representados en el mapa, utilizando el
vector de radios censales proporcionado por el INDEC. Se realizó una descripción de
los grupos y subgrupos SEFT en relación a las variables seleccionadas. Para el
procesamiento de datos y la integración en el espacio utilizamos software libre R
(paquetes: rgdal, sp, rgeos, raster, corrplot).
45
Tabla 3.2. Variables utilizadas para la definición de los TFSE a nivel de radio censal.
COMPONENTES DEL SSE DIMENSIÓN VARIABLES UTILIZADAS INDICADOR MÉTRICA UTILIZADA ABREVIACIÓN FUENTE DE DATOS
Sistema Ecológico
Estructura Cobertura natural Bosque nativo Sup. Bosque Nativo / Sup RC (%) BN CNA 2002
Funcionamiento
Productividad Media PPN Media anual de EVI, año 2002 EVI.MEDIA MOD13Q1-EVI
Estacionalidad CV PPN CV anual de EVI, año 2002 EVI.CV MOD13Q1-EVI
Sistema Social
Población Ocupación del territorio Densidad poblacional Nº habitantes / km2 DENS.POB CNPVH 2001
Bienestar y desarrollo
Calidad de viviendas Pobreza Necesidades Bàsicas Insatisfechas NBI CNPVH 2001
Empleo Mano de obra Nº de personal con empleo
permanente c/1000 hectáreas MO.PERM CNA 2002
Educación Densidad de escuelas Nº de Escuelas / km2 ESCUELAS IGN 2012
Interacciones
Demanda y provisión de SE
Producción agrícola Cultivos Anuales Sup con Cult Anuales / Sup RC
(%) CULTAN CNA 2002
Producción ganadera
Cultivos forrajeros Sup con Cult Forrajeros / Sup RC
(%) CULTFORR CNA 2002
Cría de ganado Nº vientres / Nº vacunos totales
(%) CRIA CNA 2002
Presión sobre el ambiente
Riego Superficie con riego Superficie regada c/ 10000 ha RIEGO CNA 2002
Maquinaria Cantidad de tractores Nº de tractores c/ 1000 hectáreas TRACT CNA 2002
Carga Carga ganadera EV/ha ganadera CARGA CNA 2002
Pérdida de Cobertura Natural
Tansformación de cobertura natural
Sup deforestada / Sup RC (%) DESMO Capítulo 2
Conectividad
Accesos Densidad de rutas Km de Caminos / km2 CAMINOS IGN 2012
Vínculo territorial de los agentes
Tipo jurídico de productor Sup de EAPs con Tipo Jurídico Persona Física / Sup RC (%)
T.JURIDICO CNA 2002
Régimen de tenencia Sup de EAPs con Régimen de
Tenencia de la Tierra Propietarios / Sup RC (%)
TENENCIA CNA 2002
46
3.4. Resultados
3.4.1. Correlación entre las variables explicativas
Las variables sociales, ecológicas y de interacción tuvieron una distribución
heterogénea en el territorio, pero espacialmente agrupadas en muchos casos (Anexo 4).
Por ejemplo, la media de EVI (EVI.MEDIA) es mayor en el sector noreste, mientras
que la variabilidad estacional de EVI (EVI.CV) es mayor en el sector sudoeste. La
superficie cultivada con especies anuales (CULTAN) se encuentra en la zona noroeste,
y en la franja central. La cantidad de maquinaria (TRACTORES) y la mano de obra
permanente (MO.PERM) tienen un comportamiento similar. Del análisis de correlación
entre las variables explicativas (Figura 3.3) se desprende que la mayoría de las variables
tienen una correlación positiva significativa. De las 136 posibles combinaciones entre
pares de variables, 82 representan relaciones positivas y 54 representan relaciones
negativas (Figura 3.3). En cuanto a la significancia de la relación (
Anexo 5), se observaron 105 relaciones significativas (p<0,05), de las cuales 66 fueron
positivas y 39 negativas, y 31 relaciones no significativas (p>0,05). Del total de
combinaciones posibles entre pares de variables se destaca que la asociación positiva
significativa con mayor coeficiente de correlación fue la que relaciona a la densidad
poblacional (DENS.POB) con cantidad maquinaria (TRACTORES). La asociación
negativa significativa más importante fue la de la media de EVI (EVI.MEDIA) y su
coeficiente de variación (EVI.CV).
Al analizar las correlaciones entre las variables dentro del componente ecológico, se
destaca que la superficie de bosques nativos (BN) tiene una asociación positiva con la
media de EVI (EVI.MEDIA) y negativa con su coeficiente de variación (EVI.CV). Las
variables correspondientes a la dimensión que describe el funcionamiento ecosistémico
(EVI.MEDIA y EVI.CV) se asocian negativamente, como se dijo antes. En relación al
componente social, se destaca que la variable correspondiente a la dimensión
poblacional (DENS.POB) tiene una asociación positiva con las variables que describen
el bienestar y desarrollo (MO.PERM y ESCUELAS). En relación al componente de
interacción, de las variables que describen la dimensión de la demanda y provisión de
SE, la proporción de cultivos anuales (CULTAN) tiene una asociación negativa con la
proporción de ganado para cría respecto al total (CRIA). Asimismo, de las variables que
describen la presión sobre el ambiente y la conectividad, la superficie regada (RIEGO)
tiene una relación positiva con la maquinaria (TRACTORES), y a su vez, la proporción
de superficie desmontada (DESMO) se relaciona positivamente con la maquinaria
(TRACTORES), la carga ganadera (CARGA) y la densidad de caminos (CAMINOS).
Además, al observar las relaciones cruzadas entre los distintos componentes del sistema
socio-ecológico, se destaca que la variable utilizada para representar la estructura del
ecosistema (BN) se relaciona negativamente con la media de productividad
(EVI.MEDIA), la superficie cultivada (CULTAN, CULTFORR), la superficie
desmontada (DESMO), la superficie regada (RIEGO), la proporción de ganado para cría
(CRIA), la maquinaria (TRACTORES), la carga ganadera (CARGA) y la densidad de
47
caminos (CAMINOS). Por otra parte, la densidad poblacional (DENS.POB) se asocia
positivamente a la mano de obra permanente (MO.PERM), la cantidad de escuelas
(ESCUELAS), la superficie con cultivos anuales (CULTAN), la superficie regada
(RIEGO), la maquinaria (TRACTORES) y densidad de caminos (CAMINOS).
Además, la superficie con cultivos anuales (CULTAN), se asocia positivamente a la
mano de obra permanente (MO.PERM), la cantidad de escuelas (ESCUELAS) , la
superficie regada (RIEGO), la maquinaria (TRACTORES), la densidad de caminos
(CAMINOS) y la superficie desmontada (DESMO). Las variables que representan el
vínculo territorial de los agentes (T.JURIDICO y TENENCIA) poseen relaciones muy
débiles con el resto de las variables. La superficie desmontada (DESMO) se asocia
positivamente a la superficie cultivada (CULTAN y CULTFORR), la carga ganadera
(CARGA) y la densidad de caminos (CAMINOS) (Figura 3.3,
Anexo 5).
Figura 3.3. Análisis de correlación entre las variables explicativas. El coeficiente de correlación
entre dos variables se encuentra representado por elipses (cuanto más pronunciada es la forma
del elipse mayor es la correlación). A la izquierda del gráfico se observa la leyenda para los
coeficientes de correlación entre las variables (grados de azul para correlaciones positivas y
grados de rojo para correlaciones negativas). Elaborado con el paquete corrplot de R. BN:
superficie de bosques nativos; BN: superficie de bosques nativos; EV.MEDIA: productividad
primaria neta anual; EVI.CV: estacionalidad de la productividad; DENS.POB: densidad
Estructura
Funcionam.
m
Población
Bienestar y
desarrollo
Demanda y
provisión
de SE
Presión
sobre el
ambiente
Conectividad
Comp.
Ecológico
Comp.
Social
Inter-
acciones
48
poblacional; NBI: necesidades básicas insatisfechas; MO.PERM: mano de obra permanente;
ESCUELAS: densidad de escuelas; CULTAN: superficie con cultivos anuales; CULTFORR:
superficie con cultivos forrajeros; CRIA: % de actividad de cría en el rodeo; RIEGO: superficie
regada; TRACT: cantidad de tractores; CARGA: carga ganadera; DESMO: superficie desmontada;
CAMINOS: densidad de caminos; T.JURIDICO: % de tipo jurídico de productor persona física;
TENENCIA: % régimen de tenencia propietario.
3.4.2. Definición y descripción de los TFSE
Se determinaron 3 grupos (GRUPO 1: n= 550; GRUPO 2: n= 634; GRUPO 3: n=982) y
8 subgrupos (subgrupo 1a: n=157; subgrupo 1b: n=136; subgrupo 1c: n=257; subgrupo
2a: n=332; subgrupo 2b: n=302, subgrupo 3a: n=95, subgrupo 3b: n=252; subgrupo 3c:
n=635) de TFSE a nivel de radio censal mediante un análisis jerárquico (Figura 3.4).
Los grupos 1, 2 y 3 fueron definidos en el primer corte, y se componen por 550, 634 y
982 radios censales, respectivamente. Los subgrupos 1a, 1b, 1c, 2a, 2b, 3a, 3b y 3c se
definieron en el segundo corte y se componen por 157, 136, 257, 332, 302, 95, 252 y
635 radios censales, respectivamente. Los grupos y subgrupos de TFSE representan
tipos de sistemas-socio-ecológicos similares a nivel de radio censal para las variables
escogidas. Es decir, cada TFSE representa una unidad territorial caracterizada por una
dinámica y funcionamiento similar en el sistema socio-ecológico.
El resultado del Análisis de Componentes Principales (PCA) realizado (Figura 3.5)
muestra que la variación en el set de las 17 variables a través de los radios censales
puede ser explicada por una combinación entre dimensiones ecológicas, sociales y sus
interacciones. El PC1, que explica 21,6% de la varianza total, corresponde a un eje que
varía de sitios más naturales con mayor presencia de bosques nativos a sitos más
antropizados, con mayor densidad poblacional. El PC 2, que explica un 10,9% de la
varianza total, corresponde a un gradiente que va de sitios con mayor importancia de la
ganadería y mayor productividad media anual a sitos con mayor actividad agrícola y
mayor estacionalidad en la productividad primaria. Es necesario considerar los primeros
10 ejes del PCA para explicar el 82,4% de la varianza total (Tabla 3.3). Es decir, que no
fue posible realizar una reducción significativa en la dimensionalidad de las variables.
Esto significa que las variables explicativas incluidas fueron poco redundantes, como ya
mostraba el análisis de correlaciones.
En cuanto a la interpretación de los componentes, los autovectores del PCA (Tabla 3.4)
permiten describir la medida de cada variable explicativa en un determinado
componente principal, mediante la observación de las correlaciones entre variables y
componentes principales. Se observa que PC1 tiene la mayor correlación positiva con la
proporción de cultivos anuales (CULTAN), densidad poblacional (DENS.POB) y mano
de obra permanente (MO.PERM) y una correlación negativa elevada con la proporción
de bosques nativos (BN) y actividad de cría (CRIA). El PC2 tiene una correlación
positiva elevada con la estacionalidad de la productividad (EVI.CV) y negativa elevada
con la media anual de productividad (EVI.MEDIA) y la carga animal (CARGA). El CP
3 tiene una correlación positiva elevada con la proporción de cultivos forrajeros
(CULTFORR), la media anual de productividad (EVI.MEDIA) y la actividad de cría
(CRIA), y negativa elevada con la proporción de explotaciones agropecuarias con
régimen tenencia de la tierra de tipo ―propietario‖ (TENENCIA). El CP 3 tiene una
correlación positiva elevada con la proporción de cultivos forrajeros (CULTFORR), la
media anual de productividad (EVI.MEDIA) y la actividad de cría (CRIA), y negativa
49
elevada con la proporción de EAPs con régimen tenencia de la tierra de tipo
―propietario‖ (TENENCIA). El CP 4 tiene una correlación positiva elevada con la
superficie desmontada (DESMO) y con la proporción de EAPs con régimen tenencia de
la tierra de tipo ―propietario‖ (TENENCIA). El CP 5 tiene una correlación positiva
elevada con la proporción de cultivos forrajeros (CULTFORR). El CP 6 tiene una
correlación negativa elevada con la proporción de EAPs con tipo jurídico ―productor‖
(T.JURIDICO). El CP 7 y CP 8 tienen una correlación positiva elevada con la pobreza
estructural (NBI). El CP 9 tiene una correlación positiva elevada con la densidad de
escuelas (ESCUELAS). El CP 10 tiene una correlación positiva elevada con el empleo
permanente (MO.PERM). La gran cantidad de ejes necesarios para explicar la
variabilidad de los datos hace difícil la interpretación de estos resultados, en términos de
reducción de variables.
Figura 3.4. Análisis jerárquico para la determinación de los grupos y sub-grupos de Tipos
Funcionales de Socio-Ecosistemas. Se incluyeron 330 radios censales en el análisis. Se realizó
un primer corte para la determinación de 3 grupos y un segundo corte para la determinación de
8 sub-grupos.
Tabla 3.3. Análisis de Componentes Principales. Se muestra el desvío estándar de cada eje, la
proporción de la varianza explicada por cada componente principal y la proporción acumulada.
Son necesarios 10 ejes para explicar el 82,4% de la variabilidad de los datos
1a1b1c2a2b3a3b3c
GRUPO 1
GRUPO 2
GRUPO 3
50
Figura 3.5. Análisis de componentes principales para los 8 subgrupos de TFSE. El primer eje
explica el 21,6% de la variabilidad de los datos, mientras que el segundo eje, el 10,9%. BN:
superficie de bosques nativos; EV.MEDIA: productividad primaria neta anual; EVI.CV:
estacionalidad de la productividad; DENS.POB: densidad poblacional; NBI: necesidades básicas
insatisfechas; MO.PERM: mano de obra permanente; ESCUELAS: densidad de escuelas; CULTAN:
superficie con cultivos anuales; CULTFORR: superficie con cultivos forrajeros; CRIA: % de
actividad de cría en el rodeo; RIEGO: superficie regada; TRACT: cantidad de tractores; CARGA:
carga ganadera; DESMO: superficie desmontada; CAMINOS: densidad de caminos; T.JURIDICO:
% de tipo jurídico de productor persona física; TENENCIA: % régimen de tenencia propietario.
51
Tabla 3.4. Autovectores del PCA. Se observa para cada uno de los 17 ejes del PCA la
correlación de las variables que explican la variabilidad de ese eje o componente
principal. BN: superficie de bosques nativos; EV.MEDIA: productividad primaria neta anual;
EVI.CV: estacionalidad de la productividad; DENS.POB: densidad poblacional; NBI: necesidades
básicas insatisfechas; MO.PERM: mano de obra permanente; ESCUELAS: densidad de escuelas;
CULTAN: superficie con cultivos anuales; CULTFORR: superficie con cultivos forrajeros; CRIA: %
de actividad de cría en el rodeo; RIEGO: superficie regada; TRACT: cantidad de tractores; CARGA:
carga ganadera; DESMO: superficie desmontada; CAMINOS: densidad de caminos; T.JURIDICO:
% de tipo jurídico de productor persona física; TENENCIA: % régimen de tenencia propietario.
3.4.3. Localización y descripción de los grupos y subgrupos TFSE
Los resultados mostraron que las variables ecológicas definieron el primer nivel de
TFSE (grupos), mientras que las variables sociales y las interacciones entre dimensiones
humanas y biofísicas definieron el segundo nivel de heterogeneidad en el territorio (sub-
grupos). A nivel general, el grupo 1 (Sistemas agrícolas) ocupa radios censales
dispersos en la zona oeste de la región de estudio, coincidente con la ecorregión del
chaco seco. Este grupo tiene en promedio mayores niveles de estacionalidad de la
productividad (EVI.CV), densidad poblacional (DENS.POB), mano de obra permanente
contratada (MO.PERM), densidad de escuelas (ESCUELAS), cultivos anuales
(CULTAN), cultivos forrajeros (CULTFORR), superficie con riego (RIEGO), cantidad
de maquinaria (TRACTORES), superficie deforestada (DESMO) y densidad de
caminos (CAMINOS), y menores niveles de proporción de bosques nativos (BN) y
actividad de cría (CRIA). El grupo 2 (Sistemas ganaderos) se ubica principalmente en el
este de la región de estudio, coincidente con la ecorregión del chaco húmedo. Este
grupo tiene en promedio una mayor productividad (EVI.MEDIA), actividad de cría
(CRIA) y carga animal (CARGA). El grupo 3 (Sistemas boscosos) ocupa la mayor parte
de la zona oeste de la región de estudio, coincidente con el chaco seco. Este grupo tiene
en promedio una mayor proporción de bosque nativo (BN), mayores niveles de pobreza
(NBI), menor cantidad de mano de obra (MO.PERM), densidad de escuelas
(ESCUELAS), superficie cultivada (CULTAN y CULTFOR), nivel de tecnificación
(RIEGO, MAQUINARIA), menor carga ganadera (CARGA), menos superficie
desmontada (DESMO) y densidad de caminos (CAMINOS). (Figura 3.6 y Figura 3.7)
52
A un mayor nivel de detalle, el subgrupo 1a (Agricultura intensiva a pequeña escala) se
ubica principalmente en los radios censales de pequeño tamaño ubicados en la provincia
de Tucumán, en donde predomina la caña de azúcar. Es el subgrupo con mayor
estacionalidad de la productividad (EVI.CV), densidad poblacional (DENS.POB),
empleo permanente (MO.PERM), densidad de escuelas (ESCUELAS), proporción con
cultivos anuales (CULTAN), cantidad de tractores (TRACT). A su vez es el subgrupo
que posee menores niveles de pobreza estructural (NBI) de la región. El subgrupo 1b
(Agricultura a pequeña y mediana escala con elevado arraigo) se ubica principalmente
en la provincia de chaco, en la franja central. Es el subgrupo con mayor proporción de
superficie desmontada (DESMO) de toda la región. El subgrupo 1c (Compañías agro-
exportadoras en expansión) se ubica en radios censales no contiguos en la ecorregión
del chaco seco. Tiene los mayores valores de proporción de cultivos forrajeros de la
región (CULTFORR), mayor superficie regada (RIEGO). Dentro del grupo 1 es el que
tiene una menor productividad media anual (EVI.MEDIA), menor cantidad de
maquinaria (TRACTORES), menor arraigo territorial (T.JURIDICO y TENENCIA),
menor densidad de caminos (CAMINOS) y mayor actividad de cría (CRIA). El
subgrupo 2a (Dominancia de cría vacuna) tiene los mayores niveles de actividad de cría
(CRIA) y menores niveles de proporción de EAPs con régimen de tenencia de tipo
―propietario‖ (TENENCIA) de toda la región. El subgrupo 2b (Dominancia de
invernada vacuna) tiene los mayores niveles de productividad media anual
(EVI.MEDIA) y menor estacionalidad (EVI.CV) de toda la región. A su vez tiene uno
de los mayores niveles de carga (CARGA) de toda la región. Dentro del grupo 2, es el
sub-grupo con mayor proporción de bosque nativo (BN), mayor proporción de EAPs
con régimen de tenencia ―propietario‖ (TENENCIA), mayores niveles de pobreza
estructural (NBI) y mayor densidad de caminos (CAMINOS). El subgrupo 3a (Bajo
arraigo territorial) es el que tiene la menor proporción de explotaciones agropecuarias
con típico jurídico de productor ―persona física‖ (T.JURÍDICO). El subgrupo 3b (Silvo-
pasturas) es el que tiene la menor productividad media de la región (EVI.MEDIA).
Dentro del grupo 3 este subgrupo es el que tiene los menores niveles de pobreza
estructural (NBI), mayor proporción de actividad de cría (CRIA). El subgrupo 3c
(Agricultura incipiente) es el que tiene los mayores niveles de pobreza estructural de la
región (NBI). Dentro del GRUPO 3 este subgrupo es el que tiene la mayor
productividad media anual (EVI.MEDIA) y mayor proporción de cultivos anuales
(CULTAN) (Figura 3.6 y Figura 3.8).
53
Figura 3.6. Tipos Funcionales de Socio-Ecosistemas (TFSE) correspondientes al año 2002,
derivados a partir de datos censales e información proveniente de imágenes de satélite MODIS,
a nivel de radio censal en el área de estudio. Los diagramas en "flor" ubicados a la izquierda y
derecha del mapa ilustran la cuantificación relativa al máximo de cada variable utilizada para la
conformación de los TFSE según la longitud de los pétalos (ver colores en la leyenda de abajo).
Cada flor representa el conjunto de variables que definen un sub-grupo de TFSE. Existe una
variación entre los sub-grupos dentro de un grupo, pero es menor que la variación entre grupos.
BN: superficie de bosques nativos; EV.MEDIA: productividad primaria neta anual; EVI.CV:
estacionalidad de la productividad; DENS.POB: densidad poblacional; NBI: necesidades básicas
insatisfechas; MO.PERM: mano de obra permanente; ESCUELAS: densidad de escuelas; CULTAN:
superficie con cultivos anuales; CULTFORR: superficie con cultivos forrajeros; CRIA: % de
actividad de cría en el rodeo; RIEGO: superficie regada; TRACT: cantidad de tractores; CARGA:
carga ganadera; DESMO: superficie desmontada; CAMINOS: densidad de caminos; T.JURIDICO:
% de tipo jurídico de productor persona física; TENENCIA: % régimen de tenencia propietario.
54
Figura 3.7. Caracterización Tipos Funcionales de Socio-Ecosistemas (TFSE) a nivel de grupo
en términos de las variables utilizadas para su conformación. Los diagramas de caja y bigote
muestran los cuartiles Q1, Q2 (mediana) y Q3, y la dispersión de cada variable para cada uno de
los tres grupos de TFSS. En rojo: grupo 1; en verde: grupo 2; en azul: grupo 3. BN: superficie
de bosques nativos; EV.MEDIA: productividad primaria neta anual; EVI.CV: estacionalidad de la
productividad; DENS.POB: densidad poblacional; NBI: necesidades básicas insatisfechas;
MO.PERM: mano de obra permanente; ESCUELAS: densidad de escuelas; CULTAN: superficie con
cultivos anuales; CULTFORR: superficie con cultivos forrajeros; CRIA: % de actividad de cría en
el rodeo; RIEGO: superficie regada; TRACT: cantidad de tractores; CARGA: carga ganadera;
DESMO: superficie desmontada; CAMINOS: densidad de caminos; T.JURIDICO: % de tipo
jurídico de productor persona física; TENENCIA: % régimen de tenencia propietario.
SISTEMA ECOLÓGICO
BN
EVI.
MED
IAEV
I.CV
SISTEMA SOCIAL INTERACCIONES
DEN
S.P
OB
NB
IM
O.P
ERM
ESC
UEL
AS
CU
LTA
N
1 2 3
CU
LTFO
RR
CR
IA
T.JU
RID
ICO
TEN
ENC
IA
RIE
GO
TRA
CT
CA
RG
AD
ESM
OC
AM
INO
S
1 2 3 1 2 3
1 2 3
1 2 3 1 2 3 1 2 3
1 2 3
1 2 3 1 2 3 1 2 3
1 2 3
1 2 3 1 2 3
1 2 3
1 2 3
1 2 3
55
Figura 3.8. Caracterización Tipos Funcionales de Socio-Ecosistemas (TFSE) a nivel de sub-
grupo en términos de las variables utilizadas para su conformación. Los diagramas de caja y
bigote muestran los cuartiles Q1, Q2 (mediana) y Q3, y la dispersión de cada variable para cada
uno de los tres grupos de TFSS. En gama de rojos (amarillo, naranja y rojo): sub-grupos 1a, 1b
y 1c; en gama de verdes (verde claro y oscuro): sub-grupo 2a y 2b; en gamas de azules (celeste
claro, celeste oscuro y azul petróleo): sub-grupo 3a, 3b y 3c. BN: superficie de bosques nativos;
EV.MEDIA: productividad primaria neta anual; EVI.CV: estacionalidad de la productividad;
DENS.POB: densidad poblacional; NBI: necesidades básicas insatisfechas; MO.PERM: mano de
obra permanente; ESCUELAS: densidad de escuelas; CULTAN: superficie con cultivos anuales;
CULTFORR: superficie con cultivos forrajeros; CRIA: % de actividad de cría en el rodeo; RIEGO:
superficie regada; TRACT: cantidad de tractores; CARGA: carga ganadera; DESMO: superficie
desmontada; CAMINOS: densidad de caminos; T.JURIDICO: % de tipo jurídico de productor
persona física; TENENCIA: % régimen de tenencia propietario.
SISTEMA ECOLÓGICO
BN
EVI.
MED
IAEV
I.CV
SISTEMA SOCIAL INTERACCIONES
DEN
S.P
OB
NB
IM
O.P
ERM
ESC
UEL
AS
CU
LTA
NC
ULT
FOR
RC
RIA
T.JU
RID
ICO
TEN
ENC
IA
RIE
GO
TRA
CT
CA
RG
AD
ESM
OC
AM
INO
S1a 1b 1c 2a 2b 3a 3b 3c
1a 1b 1c 2a 2b 3a 3b 3c
1a 1b 1c 2a 2b 3a 3b 3c
1a 1b 1c 2a 2b 3a 3b 3c
1a 1b 1c 2a 2b 3a 3b 3c
1a 1b 1c 2a 2b 3a 3b 3c
1a 1b 1c 2a 2b 3a 3b 3c 1a 1b 1c 2a 2b 3a 3b 3c
1a 1b 1c 2a 2b 3a 3b 3c
1a 1b 1c 2a 2b 3a 3b 3c
1a 1b 1c 2a 2b 3a 3b 3c
1a 1b 1c 2a 2b 3a 3b 3c
1a 1b 1c 2a 2b 3a 3b 3c
1a 1b 1c 2a 2b 3a 3b 3c
1a 1b 1c 2a 2b 3a 3b 3c
1a 1b 1c 2a 2b 3a 3b 3c
1a 1b 1c 2a 2b 3a 3b 3c
56
3.5. Discusión
3.5.1. Describir la heterogeneidad
En los últimos años ha habido un mayor interés por incluir la dimensión social y
ecológica en las políticas de ordenamiento territorial (Vallejos et al. 2015). Dado que el
territorio no es un ente homogéneo, es necesario desarrollar mecanismos de asignación
y compensación, en base a información acerca del aprovechamiento de los recursos
naturales por parte de los distintos agentes en el territorio (Gligo 1986, 2006). A pesar
de que la zonificación es un requisito necesario para orientar políticas segmentadas en
vistas de una mejor planificación territorial (Paruelo et al. 2014), hasta el momento no
hay trabajos que integren y combinen las múltiples dimensiones del sistema socio-
ecológico a nivel regional y los representen en un mapa. La inclusión conjunta de
variables funcionales ecológicas, sociales y de interacción proporciona una nueva
dimensión de análisis que permitiría mejorar los esquemas de planificación y gestión
del territorio. La metodología utilizada para clasificar y mapear Tipos Funcionales de
Socio-Ecosistemas (TFSE) permite integrar procesos biofísicos y sociales en porciones
definidas del territorio, facilitando una visión general y un conocimiento completo del
sistema.
En el Chaco argentino, los TFSE fueron mapeados y descritos a una resolución de radio
censal en áreas rurales. Esta unidad administrativa representa la resolución más pequeña
disponible para los datos de los censos sin violar el secreto estadístico, y es también una
resolución espacial relevante para la toma de decisiones, menor que el nivel
departamental. Se identificaron y mapearon tres (3) grupos y ocho (8) subgrupos de
TFSE (Figura 3.6). Los grupos de TFSE están claramente asociados a áreas
biogeográficas (Chaco Seco y Húmedo) y un grupo adicional está intercalado
principalmente entre los dos anteriores. El grupo 1 (rojo) se puede asociar con sistemas
agrícolas, donde hay una gran demanda de servicios ecosistémicos y una mayor presión
sobre el medio ambiente (alta densidad de población, área cultivada, maquinaria y área
irrigada), infraestructura alta, niveles de bienestar intermedio y alta estacionalidad de la
productividad primaria. El grupo 2 (verde) se puede asociar con sistemas ganaderos,
con una menor presión sobre el medio ambiente en relación al primer grupo, y una
productividad media anual alta. El grupo 3 (azul) se puede asociar con sistemas de
bosque, con una elevada superficie de bosque nativo, elevados niveles de pobreza
estructural, predominio de productores descapitalizados y baja productividad media
anual. La definición de un segundo nivel de heterogeneidad (subgrupos de TFSE) fue
posible mediante el uso de variables sociales y las interacciones entre dimensiones
humanas y biofísicas. Esto apoya la importancia de considerar la dimensión humana al
zonificar el territorio.
A la escala de radio censal, el agrupamiento de TFSE está explicado por una
combinación de gradientes ecológicos y sociales, siendo el grado de antropización y la
productividad media anual variables importantes en el ordenamiento (Figura 3.5, Tabla
3.4). No fue posible realizar una reducción significativa en la dimensionalidad de los
datos ya que las 17 variables incluidas fueron poco redundantes, es decir, se necesitaron
los primeros 10 ejes ortogonales para explicar el 82% de la varianza total de los datos
(Tabla 3.3). El grado de antropización y la productividad media anual fueron variables
importantes para explicar los dos primeros ejes en la ordenación (32% de la varianza
total). Las variables de interacción explican fuertemente la definición de grupos y, por
57
lo tanto, vale la pena incluirlos en la definición de TFSE. Aunque en este caso la
reducción de la dimensionalidad no fue posible, el uso de análisis multivariados se
recomienda para entender la importancia de cada una de las variables de clasificación
para la definición de TFSE.
Los resultados expuestos en este capítulo muestran que existe una polarización de la
intensificación de las zonas más favorables, mientras que las zonas marginales aún no
han sido transformadas o tienen escaso nivel de intervención. Los TFSE que en el
componente ecológico tienen menor productividad media anual ˗es decir, los ambientes
más desfavorecidos˗, son también aquellos que tienen una menor presión sobre el
ambiente (menor densidad poblacional, menor superficie regada, menos cantidad de
maquinaria, menos superficie desmontada) (Figura 3.6). Además, a escala de radio
censal, se observa, por un lado, que a medida que la productividad media anual
disminuye aumenta la superficie de bosque nativo y, por otro, que a medida que
aumenta la productividad media anual hay mayor superficie cultivada y también
aumenta la estacionalidad de la productividad (Figura 3.3,
Anexo 5). Es decir, que la superficie agrícola se concentra en las zonas más productivas,
mientras que en los ambientes agronómicamente marginales (porción al este de la zona
de estudio) es donde aún se conserva la mayor proporción de bosque nativo. Este mismo
patrón fue observado por Levers et al. (2015) en el continente europeo, quienes
realizaron un mapo de "arquetipos", combinando el uso del suelo y la intensidad de uso,
y concluyeron que las condiciones de mejor accesibilidad, buenas condiciones edáficas,
topográficas y climáticas coinciden con áreas de manejo más intensivo.
Las contribuciones de la historia de ocupación del territorio resultan esenciales para
explicar el espacio geográfico y viceversa. Por eso, para explicar el espacio es esencial
el tiempo y viceversa (Krapovickas et al. 2016). Los resultados de este capítulo es que
la pobreza estructural (necesidades básicas insatisfechas) aumenta a medida que la
proporción de bosques nativos es mayor y la productividad media anual es menor
(ambientes desfavorecidos). Este comportamiento tiene que ver con que los productores
empobrecidos se ven obligados a utilizar suelos de menor calidad, en donde el avance
agropecuario es menor. El problema es complejo, ya que este proceso de
"arrinconamiento" o marginación de los sectores menos capitalizados trae aparejada una
mayor degradación de los recursos naturales, la que a su vez retroalimenta el nivel de
pobreza (Reardon y Vosti 1995). El bosque desempeña un papel clave como apoyo a los
medios de subsistencia y el alivio de la pobreza en la región chaqueña. Los productos
forestales representan un complemento a otros ingresos del hogar, son también un
reservorio para el autoconsumo, o funcionan como fuentes de dinero rápido en tiempos
de emergencia (Krapovickas et al. 2016).
Por otra parte se encontró que la densidad poblacional y el empleo permanente son
mayores en los sistemas agrícolas (grupo 1). La expansión agrícola genera
oportunidades de trabajo en etapas tempranas de deforestación y avance agrícola, con
posterior declive (Sacchi y Gasparri 2016). Esto tiene que ver con que la generación de
empleo se vincula principalmente a la actividad de desmonte, pero tiene una capacidad
limitada para generar empleo perdurable en actividades relacionadas con servicios
agrícolas. En este sentido, hay un riesgo en asociar la generación de empleo con el
avance de la frontera agropecuaria. Por otra parte, el aumento poblacional debido a la
58
migración rural y extra-regional en zonas desmontadas es más una consecuencia que
una causa del desmonte (Sacchi y Gasparri 2016). Corresponde al Estado debe tener un
rol activo sobre los sistemas boscosos (grupo 3) en aspectos socioeconómicos tales
como la asistencia social, la creación de empleo perdurable, la disminución de la
pobreza, la mejora de infraestructura, y la regulación de la deforestación.
3.5.2. Acerca de las variables seleccionadas
La selección de variables para la definición de TFSE debe abarcar las dimensiones del
sistema socio-ecológico, pero además es importante comprender los principales
problemas del territorio en relación con el uso de los recursos naturales y aspectos
relevantes para la selección de las mismas. El uso de indicadores también está sujeto a
la disponibilidad de datos para cada estudio de caso y resolución. La utilización de datos
secundarios para el análisis (censos) tiene la ventaja de ser una fuente exhaustiva que
abarca todo el territorio nacional utilizando el mismo protocolo de observación. La
desventaja de utilizar este tipo de datos es la muy baja periodicidad con la que se
obtienen los datos (en Argentina cada 10 años), y las restricciones impuestas a la hora
de obtener los datos a una resolución detallada (ley de "Secreto Estadístico", Nº
17.622). Por otra parte, como estos datos se recopilan para un propósito distinto a los
del problema que se trata, es posible que el tipo de dato no tenga la relevancia necesaria.
Otro problema es que los datos no resulten del todo confiables. Por ejemplo, los
resultados del Censo Nacional Agropecuario realizado en 2008 no son del todo
confiables debido a la situación política compleja que tensó la relación entre el sector
rural y el Gobierno Nacional al momento de realizarse el censo (Giarracca et al. 2008,
Giarracca y Teubal 2010) 3. Incluso el censo utilizado en este estudio (CNA 2002)
presentó datos faltantes en varios radios censales que no pudieron ser estudiados.
Los métodos para medir la pobreza varían según los procesos técnicos y metodológicos
de las instituciones responsables de su medición en cada país. Las dificultades para
cuantificar la deficiencia, la desigualdad, la exclusión o la marginalidad han limitado el
3 El “conflicto del campo” fue un extenso conflicto con un alto grado de politización, en el que cuatro
organizaciones del sector empresario de la producción agro-ganadera en Argentina (Sociedad Rural Argentina, Confederaciones Rurales Argentinas, CONINAGRO y Federación Agraria Argentina), tomaron medidas de acción directa contra la Resolución nº 125/2008 del Ministro de Economía Martín Lousteau, durante la presidencia de Cristina Fernández de Kirchner. Esta resolución establecía un sistema móvil para las retenciones impositivas a la soja, el trigo y el maíz. El “lock out” o paro agropecuario incluyó el bloqueo de rutas en Argentina, durante 129 días, desde el 11 de marzo de 2008 hasta el 18 de julio de ese mismo año. Al conflicto se le sumó un paro de los empresarios transportistas con bloqueo de rutas, que agravó la situación y el abastecimiento de las ciudades. El Censo Nacional Agropecuario de 2008 se inició el 2 de junio de 2008, semanas después de agudizarse el conflicto, lo que dificultó su realización. Adicionalmente, a principios de 2007 se había realizado la “intervención del INDEC”, incluyendo el desplazamiento de sus cargos a quienes habían dirigido los dos censos agropecuarios anteriores. El cierre de este censo se anunció para el 30 de septiembre, siendo el censo más prolongado de la historia. Osvaldo Barsky, en su artículo “Lograron destruir el censo nacional agropecuario” (diario Clarín, del 16 septiembre de 2009), señala la desaparición de unas 60.000 unidades agropecuarias en el país en el período 2002-2008. Norma Giarracca, en su artículo “El fracaso del censo agropecuario” (diario Crítica de la Argentina, del lunes 21 de septiembre de 2009), señala que en la provincia de Buenos Aires de más de 50 mil explotaciones censadas en 2002, se censaron apenas 30 mil, y la superficie censada disminuyó de 25 millones de hectáreas a 16 millones.
59
estudio de la pobreza a aspectos materiales, ya que son más fácilmente cuantificables.
En la Argentina y en muchas partes de América Latina, se utiliza el índice de
Necesidades Básicas Insatisfechas (NBI) para medir la pobreza. Este índice se construye
utilizando indicadores directamente relacionados con la privación material en cuatro
áreas (vivienda, servicios de salud, educación básica e ingreso mínimo) disponibles en
los censos de población, vivienda y hogares. Sin embargo, este índice ha sido criticado
por no considerar otros elementos relevantes de las dimensiones de privación de
bienestar de la vida (Feres y Mancero 2001). Por otra parte, este indicador no es
adecuado para evaluar las condiciones de pobreza rural, porque tiene en cuenta aspectos
de la vida urbana (Longhi 2010).
La estructura de tenencia de la tierra merece su atención especial para comprender el
funcionamiento de los diferentes espacios rurales. En la región chaqueña conviven
grandes empresarios, con pequeños campesinos y comunidades indígenas (Rivas y
Rivas 2009, Schmidt 2012). Es muy habitual la compra de tierras por parte de
empresarios en donde habitan hace años comunidades de pueblos originarios, los cuales
son acorralados o desalojados del lugar. A la complejidad por la tenencia de la tierra y
la aparición de nuevos actores en la escena agropecuaria argentina (los "pooles de
siembra") se suma la complejidad por el acceso y control de los recursos (Redaf 2010).
Además de la compra-venta de tierras que aumentó en los últimos años (Murmis y
Murmis 2012) extensas superficies de tierras fiscales fueron concedidas a empresas
privadas para su explotación4. Los censos nacionales no captan esta complejidad rural
(Giarracca y Teubal 2010), con lo cual la asociación de variables que tienen que ver con
la estructura de tenencia de la tierra fue débil. Además, la falta de definición de límites
definidos para las tierras comunales indígenas complejiza el análisis. Futuros trabajos
deberían abordar e incorporar esta complejidad en el estudio de los sistemas socio-
ecológicos del Chaco.
3.5.3. Aplicación de TFSE para la planificación del territorio rural
La identificación y mapeo de TFSE constituye una zonificación socio-ecológica del
territorio rural. La zonificación territorial es un requisito previo para regular la
distribución equitativa de los beneficios y los daños causados por los cambios en el uso
de la tierra. A pesar de su importancia, tanto el marco conceptual para la zonificación
como su operativización son todavía susceptibles de análisis y discusión. En Argentina,
4 El periodista Gabriel Morini, en su artículo “Una fortuna hecha de favores fiscales” (diario Página 12, lunes 14 de febrero de 2011), denuncia la aprobación de la concesión de tierras durante la gobernación de Juan Carlos Romero, por la cual fue beneficiado el actual diputado por la provincia de Salta, Alfredo Olmedo. Ecodesarrollo SA fue la empresa con la que Agropecuaria Olmedo ganó una licitación pública en 1998 para obtener 360 mil hectáreas de monte en el departamento de Anta, pertenecientes a Salta Forestal. El objetivo de la concesión era desarrollar el área durante 64 años, sin tener que pagar ningún canon hasta el vigésimo primer año. Entre las obligaciones que estableció el pliego y que se incumplieron estaba la de mejorar “la calidad de vida de los habitantes”, y quedaba prohibido el monocultivo, además de tener indicaciones específicas para desmontes, mejora de la infraestructura y forestación. Según informes oficiales, desde 2003 las inspecciones detectaron que el cronograma de inversiones no estaba siendo respetado, al momento de la inspección se habían desmontado 30 mil ha para plantar soja. Además, las inspecciones del Ministerio de Trabajo local registraron múltiples irregularidades con residentes que fueron expulsados de esas tierras, a lo que se suma la detección por parte de la AFIP de trabajadores en “condiciones infrahumanas”.
60
por ejemplo, la ―Ley de Bosques‖ (N ° 26.331), sancionada en 2008, propone la
zonificación de las áreas forestales a nivel provincial para establecer categorías de
conservación, utilizando diez criterios de sostenibilidad, pero sin especificar cómo
medir esos criterios y combinar indicadores. Esto resultó en fuertes discrepancias entre
las provincias, en cuanto a la interpretación dispar de los criterios, la metodología de
procesamiento de datos y las zonificaciones finales (García Collazo et al. 2013).
La planificación territorial implica una política de Estado que debe conciliar el proceso
de desarrollo económico con las diferentes formas de ocupación del territorio, con el
objetivo último de elevar el nivel de vida de la población y aumentar la equidad
territorial (Theobald et al. 2005). Para diseñar y poner en práctica las medidas
necesarias y específicas para cada contexto es imprescindible entender la complejidad
del paisaje (Rounsevell et al. 2012). Los TFSE facilitan una comprensión más
integradora del territorio en un marco de fácil comprensión y comunicación. Por esta
razón es que podrían ser útiles para identificar áreas dentro de las cuales desarrollar
políticas de manejo similares, considerando el contexto socio-ecológico y el
funcionamiento de cada región, de acuerdo con los objetivos de la planificación
territorial. Mejorar el acceso a la información científica podría ayudar a los responsables
de la toma de decisiones a anticipar las posibles consecuencias del cambio en el uso de
la tierra rural y evitar los efectos ecológicos no deseados.
3.5.4. Próximos pasos y consideraciones finales
La escala y la resolución ayudan a identificar los patrones, pero no los explican (Gibson
et al. 2000). La definición de la escala espacial y temporal del análisis es un aspecto
crítico (O`Neill et al. 1992, Peterson et al. 1998), ya que los patrones que se encuentran
a una escala de análisis pueden no ser extrapolables a otras escalas. La información
generada en este capítulo resulta útil para identificar patrones en el territorio y formular
hipótesis sobre los factores que los determinan. Sin embargo, este tipo de
aproximaciones deben ser complementadas con enfoques de tipo ―bottom-up‖, que
permitan comprender mejor la complejidad socio-ecológica e individualicen mejor a los
agentes territoriales. En la Región Chaqueña, futuras líneas de investigación deberían
focalizarse en definir TFSE a un mayor nivel de detalle. En este sentido, se debe
considerar la evaluación de TFSE en el nivel de la explotación agropecuaria, que es la
unidad mínima en la que se toman las decisiones de uso de la tierra. Esto requeriría la
recopilación de datos primarios de entrevistas y encuestas sobre el terreno y el uso de
información satelital de alta resolución espacial.
La disponibilidad de datos sociales a resoluciones detalladas resulta una limitación muy
importante a la hora de caracterizar sistemas socio-ecológicos a nivel local. Los datos
censales, pese a sus limitaciones, proporcionan información muy valiosa a la hora de
tener una idea general de la conformación socio-ecológica del territorio, ya que abarcan
todo el territorio nacional y están tomados con un mismo protocolo de observación. Por
esta razón, resultan imprescindibles para realizar una aproximación de tipo ―top-down‖.
De todos modos, el Censo Nacional Agropecuario está enfocado a actividades
productivas convencionales, sin tener en cuenta otros aspectos que son muy importantes
para caracterizar la demanda y provisión de SE en la región chaqueña, tales como la
provisión y consumo de leña (Krapovickas et al. 2016), la disponibilidad y cosecha de
agua de lluvia (Magliano et al. 2015), o la provisión y uso de recursos naturales para
61
consumo o fabricación de artesanías por parte de las comunidades indígenas (Leake
2008).
Una planificación del uso de la tierra que maximice el beneficio para la sociedad debe
evaluar la resiliencia y sostenibilidad de los sistemas socio-ecológicos y no debe estar
vinculada inequívocamente con las opciones de uso actuales o con la lógica del
agronegocio. Así, la gestión territorial debe contemplar el diseño de paisajes que
garanticen el suministro de servicios ecosistémicos de manera equilibrada a lo largo del
tiempo (Rodríguez y otros 2006) y una distribución equitativa de los beneficios y daños
de los cambios en el uso de la tierra entre las partes interesadas.
62
Capítulo 4
Demanda y provisión de Servicios Ecosistémicos en el Chaco Salteño. ¿Cómo se
ven afectados los pueblos originarios por la deforestación y degradación?
63
Capítulo 4 . Demanda y provisión de Servicios Ecosistémicos en el Chaco Salteño.
¿Cómo se ven afectados los pueblos originarios por la deforestación y
degradación?
4.1. Introducción
4.1.1. Aspectos socio-demográficos del Chaco Salteño y conflictos en torno al uso
de la tierra
La provincia de Salta es una de las provincias con mayores tasas de deforestación a
nivel nacional e internacional (Capítulo 2). En esta provincia, la tasa de transformación
anual q% (FAO 1995) mostró para el período 1976-2012 una tendencia exponencial
creciente y estadísticamente significativa (Figura 2.5 (b) - Capítulo 2). Hasta finales de
2015 aproximadamente 19.300 km2 de hábitats naturales habían sido transformados a
tierras de cultivo o pasturas implantadas en la porción chaqueña de la provincia de
Salta, Argentina (http://monitoreodesmonte.com.ar/). La expansión agrícola ocurrió, en
muchos casos, sobre tierras históricamente habitadas por pueblos originarios. La
agricultura y la ganadería empresarial generan un conflicto en torno al uso del suelo, ya
que estos sistemas productivos, al requerir de amplias zonas desmontadas, no sólo
intensifican la degradación ambiental sino que además eliminan el hábitat que estos
pueblos ocupan, provocando su desalojo, y dando lugar a profundos conflictos sociales
intensificando las migraciones rural-urbana y la marginación (Redaf 2010, Román y
González 2016).
Adicionalmente, la provincia de Salta tiene, una de las tasas más altas de pobreza en el
país (Bolsi y Paolasso 2009, Paolasso et al. 2012). El 23,7% de la población de Salta
(285.093 personas) estaba en 2010 por debajo de la barrera que mide la calidad de vida
(INDEC 2010). Los departamentos incluidos en el este de Salta albergan la mayor
diversidad étnica del país. El 6,5% de la población de la provincia de Salta (79.204
personas) se reconoce indígena (INDEC 2010). Este porcentaje es casi el triple de la
media nacional. De la población indígena, el 24,9% se autorreconoce perteneciente al
pueblo Wichí, el 21,6% al Kolla, el 13,7% al Guaraní y el 13,5% al Ava Guaraní. De los
pueblos originarios más numerosos, el Wichí y el Kolla presentan una proporción
mayor de población rural (60,7% y 60,9% respectivamente). El resto de los pueblos, a
excepción del Chorote, vive mayoritariamente en áreas urbanas. La tasa de
analfabetismo de la población indígena de la provincia de Salta es de 8,9%, frente al
3,1% del total provincial (INDEC 2010).
La agroindustria ha sido el principal impulsor de la deforestación en el Chaco Seco de
Argentina. Este sector incluye empresas medianas y grandes compañías de
agronegocios, las cuales dependen fuertemente del uso de tecnología y capital, además
de tienen un mayor acceso a las redes de comercialización globales. Existen fuertes
asimetrías dentro de los procesos de competencia de uso de la tierra a favor del sector
agrícola-ganadero, en contraste con los intereses de las comunidades indígenas y rurales
tradicionales (Gasparri 2016). Los pueblos afectados por el avance de la frontera
agrícola, se han dedicado tradicionalmente a la recolección, la caza y la cría de ganado
en el monte como modo de subsistencia, obteniendo del monte elementos para construir
sus viviendas, forraje para alimentar sus animales, materias primas para la producción
de artesanías, plantas para preparar remedios tradicionales, proteínas a través de la caza,
y un ambiente donde desarrollan desde hace generaciones su vida y su cultura (Defensor
del Pueblo de la Nación 2009). En este sentido, su uso del espacio demanda el libre
64
acceso a los recursos tanto a nivel comunitario como inter-comunitario (Leake 2008).
Las comunidades indígenas y campesinas de la Ecorregión Chaqueña se ven afectadas
por el avance de la frontera agropecuaria debido a tres causas principales: conflictos de
tenencia de la tierra, desaparición del hábitat de la flora y fauna silvestre y fumigaciones
aéreas con agroquímicos (Redaf 2012). La tierra para las comunidades indígenas no
tiene solamente un valor utilitario que permite a las mismas satisfacer la demanda de
recursos naturales "tangibles", sino que también posee un valor cultural (Buliubasich y
Rodríguez 1999). La eliminación de los bosques afecta negativamente la seguridad y
soberanía alimentaria de los pueblos cazadores recolectores y priva, en palabras de la
Corte Interamericana de Derechos Humanos, ―la base fundamental de sus culturas, su
vida espiritual, su integridad‖.
Figura 4.1. Principales conceptos relacionados con los esquemas de clasificación de servicios
ecosistémicos adoptadas por el Millennium Ecosystem Assessment (2005) y el desarrollado por
Fisher et al. (2009). Las flechas negras indican la relación entre las diferentes categorías de
servicios ecosistémicos y la estructura y funcionamiento ecosistémico. Tal relación se define a
través de las funciones de producción. Las líneas de puntos representan la relación entre las
categorías de SE. Las líneas discontinuas representan la influencia de las necesidades, intereses
y valores de los seres humanos en la definición de los SE y en los beneficios en los dos
esquemas clasificación (adaptado de Volante et al. 2012).
Los conflictos en torno al uso de la tierra en el Chaco Salteño se ven agravados por la
precariedad de títulos de propiedad de las comunidades originarias. Si bien el derecho a
la propiedad de la tierra está reconocido para las comunidades preexistentes en
Funcionamiento ecosistémico Estructura del ecosistema
Servicios de
regulación
Servicios de
provisión
Servicios de
soporte
Servicios
intermedios
(PPN, Biodiversidad,
Evapotranspiración, etc.)
Servicios finales
(regulación hídrica,
secuestro de C,
producción forrajera, etc.)
Beneficios
(agua para beber,
comida, control de
inundaciones, etc)
ME
A, 2
00
5F
ish
er
et
al. 2
00
9
Servicios
culturales
Ne
ce
sid
ad
es
, in
tere
se
s, va
lore
s
Funciones de producción
65
diferentes documentos internacionales y en la legislación argentina, estos derechos se
ven permanentemente vulnerados (Defensor del Pueblo de la Nación 2009). Las
comunidades indígenas en el Chaco Salteño están siendo progresivamente acorraladas
en parcelas relativamente pequeñas, aisladas y con frecuencia, ubicadas a distancias
considerables de su lugar de residencia y uso cotidiano (Asociana et al. 2008). La
expulsión de comunidades indígenas de sus territorios aumenta la población de los
cordones de pobreza en los puebles y ciudades, promueve la concentración de las
tierras, y atenta contra los derechos humanos de la población de la región.
4.1.2. El análisis social para la identificación de los actores vulnerables frente a los
Cambios en el Uso del Suelo
El análisis social se ha convertido en una herramienta utilizada por los responsables
políticos, reguladores, organizaciones gubernamentales y no gubernamentales para el
análisis de problemas y la resolución de conflictos (Friedman y Miles 2006). El análisis
social es un proceso que identifica individuos, grupos y organizaciones que se ven
afectados o son afectadores frente a una problemática (Reed et al. 2009). Freeman
(1984) define a los actores como aquellos sujetos que afectan o son afectados activa o
pasivamente por una decisión o acción en el ordenamiento o planificación territorial.
Según Hein (2010), los actores pueden clasificarse respecto al interés que tienen sobre
los servicios ecosistémicos, el nivel de influencia (es decir, el poder para la toma de
decisiones), su grado de dependencia (disponibilidad de alternativas) y la coalición a la
cual pertenecen (asociación civil, ONG, etc.).
Los distintos actores sociales se benefician de manera activa o pasiva con la provisión
de servicios ecosistémicos, y frecuentemente entran en conflicto por la valoración y uso
diferencial que hacen de ellos (Paruelo 2011). El acceso a estos servicios y el origen de
los conflictos entre los grupos de diferentes actores se ve afectado por instituciones
formales e informales relacionadas al uso de los recursos (comunes o privados), como la
posesión de la tierra o el acceso al agua. Es fundamental tener en cuenta las
desigualdades que existen entre los distintos actores respecto a la posibilidad y derecho
de acceso a los medios para una adecuada gestión del territorio. La permanencia,
emergencia, reposicionamiento o desaparición de nuevos actores sociales, es una
consecuencia del poder del que dispone cada actor social y las estrategias adoptadas por
los demás actores con quienes entra en disputa.
El mapeo de actores, también conocido como "stakeholders analysis" supone el uso de
esquemas para representar la realidad social, comprenderla mejor y establecer
estrategias de cambio (Reed et al. 2009). El mapeo de actores no solo consiste en armar
un listado de posibles actores de un territorio, sino entender la interrelaciones, intereses
y relación con el uso de los recursos (Vallejos et al. 2015). Esta información puede ser
utilizada para minimizar los conflictos y mejorar la distribución entre los grupos de
actores. Además, es una herramienta muy útil para la identificación de actores
vulnerables frente a los cambios en el uso del suelo (Tapella 2007). Las matrices
interés-influencia o dependencia-influencia son un método muy usado para clasificar
actores (De López 2001, Ackermann y Eden 2011). El nivel de influencia se refiere al
grado de control, acceso, o manejo que el grupo de actores sociales tiene sobre los
servicios de los ecosistemas. El nivel de dependencia hace referencia al efecto directo
que tienen los servicios de los ecosistemas sobre el bienestar del grupo de actores
sociales. Los actores más vulnerables a los cambios en el uso del suelo son aquellos
66
cuyo bienestar depende de los servicios (alto grado de dependencia) y cuyo grado de
influencia (o poder) es bajo.
4.1.3. Estimación de la provisión de Servicios Ecosistémicos
Las políticas dirigidas a la integración de las dimensiones sociales, económicas y
ambientales de la sostenibilidad tienen que considerar explícitamente la influencia de la
provisión de servicios ecosistémicos en el bienestar humano. En este sentido, una de las
ventajas del marco de los servicios ecosistémicos es la relación directa entre el
funcionamiento de los ecosistemas y el bienestar. Las técnicas de teledetección son
particularmente apropiadas para mapear SE de una manera rápida y continua en el
tiempo y en el espacio y para evaluar las tendencias a lo largo del tiempo (Paruelo
2008). La Evaluación de Ecosistemas del Milenio (Millennium Ecosystem Assessment
2005) en su definición vincula explícitamente la oferta SE con los cambios de materia y
energía en el ecosistema (i.e. el ciclo de nutrientes, las ganancias de carbono). Díaz et
al. (2007) identificaron una serie de procesos ecosistémicos que resultan importantes
para la provisión de determinados SE, y asocian la variación en el nivel de provisión de
SE con cambios funcionales, específicamente con los cambios en la diversidad
funcional de plantas. McNaughton et al. (1989) han propuesto a las ganancias de
carbono como un aspecto integral del funcionamiento ecosistémico, ya que muchos
otros procesos están estrechamente vinculados a este flujo. Las reservas de C (en la
biomasa viva o muerta) también son descriptores de los procesos y las perturbaciones
que operan en el ecosistema. La cuantificación de los flujos y stocks del ciclo C son
aspectos clave que sintetiza el estado de los ecosistemas y su capacidad para suministrar
SE (Cabello et al. 2012).
Los SE han sido clasificados de diferentes maneras. El Millennium Ecosystem
Assessment (2005) clasifica a los SE en servicios de provisión, regulación, culturales y
de soporte. En este esquema, el nivel de la provisión de SE no sólo está ligada a los
aspectos básicos del funcionamiento y estructura de los ecosistemas, sino también al
contexto social de los valores, intereses y necesidades. Sin embargo, dado que esta
clasificación no está pensada para adaptase a todos los contextos, en el ámbito del
manejo y gestión de paisajes, Fisher et al. (2009) propuso una clasificación alternativa
basada en la relación conceptual que existe entre SE intermedios y finales. Los servicios
intermedios pueden derivarse de interacciones complejas entre la estructura del
ecosistema y los procesos que se traducen en servicios finales, y estos últimos, en
combinación con otras formas de capital, proporcionan beneficios para el bienestar
humano (Figura 4.1).
Desde un punto de vista operativo, los servicios ecosistémicos que deben evaluarse
tienen que ser fiables y simples de medir o estimar a distintas escalas. Para
Breckenridge et al. (1995) la selección de indicadores debe cumplir con una serie de
requisitos, tales como: la generalidad y simplicidad, la correlación con procesos clave
del ecosistema, la posibilidad de automatizar el registro, la relación costo-eficiencia y la
sensibilidad a los cambios. Algunos aspectos relacionados al ciclo de C son
particularmente apropiados para el seguimiento y monitoreo debido a su facilidad de
medición y la capacidad de detectar cambios tempranamente, y son ampliamente
utilizados para el monitoreo de servicios ecosistémicos (Paruelo y Vallejos 2013).
67
4.1.4. Estimación de la demanda de Servicios Ecosistémicos
La demanda de Servicios Ecosistémicos tiene una relación estrecha con las condiciones
socioeconómicas de la población, sus normas de comportamiento, los cambios
demográficos y las innovaciones tecnológicas (Villamagna et al. 2013). Las
características sociales determinan los patrones de demanda y consumo de servicios
ecosistémicos. Según Burkhard et al. (2012), la demanda equivale al uso real o el
consumo de un bien o servicio, es decir que la medición de la demanda está
directamente influenciada por la cantidad ofrecida, y se establece según el equilibrio
entre oferta y demanda tal como se asume en la economía clásica. En cambio, Schröter
et al. (2014) analizan la demanda en función de características socioeconómicas más
amplias para definir demanda, enfocándose en los deseos y preferencias de los actores,
con lo cual la demanda es considerada como un uso potencial, y podría ser mayor a los
beneficios percibidos.
Cada vez más los cambios en el uso del suelo son impulsados por la globalización
económica, trascendiendo las escalas espaciales, institucionales y temporales (Lambin y
Meyfroidt 2011b, Challies et al. 2014, Friis et al. 2016). Cumming et al. (2014) clasifica
a los usuarios de la tierra según su arraigo territorial, diferenciando a los que tienen una
dependencia elevada de los SE provistos localmente (―Green loop‖), y aquellos que
están desconectados del ecosistema local ya que las necesidades básicas son cubiertas
por ecosistemas distantes y economías globales (―Red loop‖). Los cambios en el uso del
suelo reducen el flujo de SE intermedios en el paisaje y disminuyen el bienestar de los
usuarios de la tierra con mayor arraigo territorial aumentando su vulnerabilidad
(Hamann et al. 2015). Para abordar un modelo de gestión rural que contemple a todos
los sectores es importante identificar el grado dependencia del capital natural, social y
de infraestructura local y las implicancias sobre el bienestar para los distintos usuarios
de la tierra
El mapeo espacialmente explícito de la demanda de servicios ecosistémicos de la
población local un requisito básico para el desarrollo de políticas de ordenamiento
territorial que consideren las necesidades y requisitos de todos los actores. En este
sentido, el mapeo participativo ha surgido en las últimas dos décadas como una
herramienta popular para demarcar el área de uso de comunidades que hacen uso de
recursos a nivel local (Sletto et al. 2013). Esta herramienta ha contribuido en la
legitimación reclamos legales por el derechos a la tierra y los recursos (Herlihy y Knapp
2003, Chapin et al. 2005). Además, en los últimos años, el mapeo participativo de la
demanda de Servicios Ecosistémicos ha recibido una mayor atención en la investigación
científica para asistir a la gestión y planificación territorial (Wolff et al. 2015).
A pesar del acuerdo sobre la importancia de incluir las cuestiones relativas a la demanda
y provisión de servicios en ecosistémicos en la gestión del territorio (Anton et al. 2010,
Villamagna et al. 2013, Burkhard et al. 2014), existen pocas evaluaciones que vinculen
la oferta y demanda de servicios ecosistémicos a escala local (Mcdonald 2009,
Burkhard et al. 2012). La necesidad de integrar la información espacialmente explícita
que vincule el área de demanda con la provisión de servicios ecosistémicos resulta
necesaria para la planificación y gestión territorial. En especial, este tipo de información
resulta importante para preservar a los actores caracterizadas desde el punto de vista
socio-ecológico como las poblaciones que demandan y perciben servicios a nivel local,
o sistemas "green-loop" (Cumming et al. 2014). Muchas de las comunidades indígenas
68
que habitan la ecorregión chaqueña utilizan de forma integral los recursos que proveen
los bosques nativos (Leake 2008). Estos grupos, además de obtener beneficios directos
del bosque para subsistir, poseen una especializada adaptación cultural al ecosistema
chaqueño y un modo de vida propio (Buliubasich y Rodríguez 1999).
4.2. Objetivos
En este capítulo estimo el área de demanda potencial y efectiva de SE y los cambios en
la provisión de SE intermedios para los actores más vulnerables frente a los cambios en
el uso del suelo en el Chaco Salteño.
Los objetivos específicos de este capítulo son los siguientes:
a) Identificar al actor más vulnerable frente a los cambios en el uso del suelo
mediante la elaboración de un mapa de actores;
b) Estimar el área de demanda potencial y efectiva de Servicios Ecosistémicos a lo
largo del tiempo para este actor social, considerando el período 2001-2015;
c) Estimar las tendencias en la provisión de Servicios Ecosistémicos intermedios
para este actor social en el área de demanda para el mismo período.
4.3. Materiales y métodos
4.3.1. Región de estudio
La región de estudio comprende los cinco departamentos del este salteño, pertenecientes
a la ecorregión del Chaco seco: San Martín, Anta, Rivadavia, Orán y Metán (Figura
4.2). Estos cinco departamentos integran un área de 82.000 km2. En esta zona habitan
comunidades aborígenes pertenecientes a los grupos Guaraní (Chiriguano), Wichí
(Mataco), Kolla, Chané, Chorote, Chulupí, Diaguita, Ocloya, Tapiete y Qom (Toba)
(INDEC 2002). Adicionalmente, el Censo Nacional Agropecuario del 2002, señala que
en la zona se encuentra asentada una población rural de pequeños campesinos de
tradición criolla de 12.869 habitantes, cuya principal actividad es la ganadería bajo
monte.
El departamento de General José de San Martín tiene una superficie de 16.257 km².
Limita al norte y al oeste con la república de Bolivia, al este con el departamento de
Rivadavia, al sur con el de Orán. San Martín tiene una población de aproximadamente
157.000 habitantes (13% del total de la provincia de Salta), con una densidad
poblacional de 9,7 hab/km2y una población rural del 24% (INDEC 2010). Este
departamento comprende el 45% de la población indígena de la provincia (Leake, 2010)
y concentra la mayor cantidad de etnias (9 etnias) (Defensor del Pueblo de la Nación
2009). San Martín es escenario de situaciones más contrastantes. Por un lado tiene los
índices más altos de pobreza de la provincia (10.854 hogares con NBI, lo que significa
el 35,3 %) (INDEC 2010) y por otro lado la tasa de desmontes aumentó
exponencialmente en los últimos 10 años (Figura 2.5 (b) – Capítulo 2). Los títulos de las
tierras están mayoritariamente en manos de terceros tales como empresas privadas,
particulares e iglesias (Buliubasich y González 2006). Según el censo llevado a cabo por
Leake (2008), en el departamento hay una población indígena de 10.459 habitantes
(7,5% de la población) (Tabla 4.1). Se identificaron 78 comunidades indígenas (Figura
4.2).
69
El departamento de Rivadavia tiene una superficie de 25.951 km². Limita al norte con
las repúblicas de Bolivia y Paraguay, al este las provincias de Formosa y Chaco, al sur
con el departamento de Anta, y al oeste con los de Anta, Orán y San Martín. Rivadavia
tiene una población de aproximadamente 30.357 habitantes (2,5 % del total de la
provincia de Salta), con una densidad poblacional de 1,2 hab/km2 y una población rural
del 67% (INDEC 2010).Según el censo llevado a cabo por Leake (2008), en el
departamento hay una población indígena de 10.803 habitantes (39,5% de la población)
(Tabla 4.1). Se identificaron 97 comunidades indígenas (Figura 4.2).
El departamento de Anta tiene una superficie de 21.945 km2. Limita al norte con los
departamentos de Orán y Rivadavia, al oeste con el departamento Rivadavia y la
provincia de Chaco, al sur con la provincia de Santiago del Estero, y al oeste con los
departamentos de Metán y General Güemes y la provincia de Jujuy. Anta tiene una
población de aproximadamente 57.400 habitantes (4,7 % del total de la provincia de
Salta), con una densidad poblacional de 2,6 hab/km2y una población rural del 35%
(INDEC 2010).Según el censo llevado a cabo por Leake (2008), en el departamento hay
una población indígena de 815 habitantes (1,6% de la población) (Tabla 4.1). Se
identificaron 23 comunidades indígenas (Figura 4.2).
El departamento de Metán tiene una superficie de 5.235 km². Limita al norte con los
departamentos de General Güemes y de Anta, al oeste con el de Anta, al sur con
la provincia de Santiago del Estero y el departamento de Rosario de la Frontera, y al
oeste con los departamentos de Guachipas, La Viña y Capital. Metán tiene una
población de aproximadamente 40.400 habitantes (8% del total de la provincia de
Salta), con una densidad poblacional de 7,7 hab/km2 y una población rural del 20%
(INDEC 2010).Según el censo llevado a cabo por Leake (2008), en el departamento hay
una población indígena de 293 habitantes (0,8% de la población) (Tabla 4.1). Se
identificaron 3 comunidades indígenas (Figura 4.2).
El departamento de Orán tiene una superficie de 11 892 km² y limita al norte con los
departamentos de Santa Victoria, Iruya y San Martín y la República de Bolivia, al este
con el departamento de Rivadavia, al sur con el de Anta y al oeste con la provincia de
Jujuy. Orán tiene una población de aproximadamente 139.000 habitantes (25% del total
de la provincia de Salta), con una densidad poblacional de 11,6 hab/km2
(INDEC 2010).
Según el censo llevado a cabo por Leake (2008), en el departamento hay una población
indígena de 855 habitantes (0,7% de la población) (Tabla 4.1). Se identificó 1
comunidad indígena (Figura 4.2).
Esta región tiene un potencial productivo significativo a excepción de las grandes
extensiones de terrenos bajos, que siendo atravesados por importantes arterias fluviales
(Pilcomayo y Bermejo-Teuco, entre otros), corresponden a esteros y/o tierras anegables.
Por otro lado, también posee una gran biodiversidad y riqueza cultural (The Nature
Conservacy 2005), pero también presenta altos niveles de pobreza y desigualdad (Bolsi
y Paolasso 2009, Paolasso et al. 2012). Los pueblos indígenas y los descendientes de
inmigrantes europeos (criollos) practican una economía de subsistencia, incluyendo la
agricultura a pequeña escala, la ganadería extensiva, la caza y la recolección (Leake
2008).
70
La fisonomía dominante de esta región son los bosques xerofíticos de quebracho
colorado santiagueño (Schinopsis quebracho colorado) y quebracho blanco
(Aspidosperma quebracho-blanco), acompañados por el itín (Prosopiskuntzei), el
algarrobo negro (Prosopisnigra), el mistol (Ziziphus mistol), el guayacán
(Caesalpiniaparaguayensis), la brea (Cercidiumpraecoxglaucum), el yuchán o palo
borracho (Ceiba insignis) y el garabato (Acacia praecox), entre otros. Hoy día estos
bosques se encuentran fragmentados y degradados. El Chaco Seco es considerado por
muchos expertos como la ecorregión más amenazada del país (The Nature Conservacy
2005, Brown et al. 2006).
Figura 4.2. Izq arriba: Ubicación del área de estudio (con borde rojo) en la porción del chaco
salteño. Se muestra la precipitación media anual (Hijmans et al. 2005) en el continente
sudamericano. Izq abajo: Cinco departamentos de estudio, en la provincia de Salta. Der:
Municipios pertenecientes a la zona de estudio. Los puntos negros representan la ubicación de
las 202 comunidades originarias relevadas en la zona (Leake 2008). Se muestran los lotes
deforestados antes y después del año 2000 (datos actualizados hasta fines del 2015
http://monitoreodesmonte.com.ar/). En el departamento de Rivadavia se encuentra casi la mitad
(48%) de las comunidades censadas, en San Martín el 39%, en Anta el 12% y el 1% restante se
distribuye entre Metán y Orán.
71
Tabla 4.1. Población total, población indígena y % de población indígena respecto al total para
los cinco departamentos y diecisiete municipios de la zona de estudio
DEPARTA-
MENTO
MUNICIPALIDAD
POBLACIÓN
TOTAL
(INDEC 2001)
POBLACIÓN
INDÍGENA
(Leake 2006)
%
POBLACIÓN
INDÍGENA
San Martín
Salvador Mazza 18,455 30 0.2%
Aguaray 13,528 133 1.0%
Gral. Mosconi 19,811 1,690 8.5%
Tartagal 60,585 2,864 4.7%
Gral. Ballivián 2,864 649 22.7%
Embarcación 23,961 5,093 21.3%
Total 139,204 10,459 7.5%
Rivadavia
Sta. Victoria Este 9,896 6,517 65.9%
Rivadavia Banda
Norte 9,366 2,511 26.8%
Rivadavia Banda
Sur 8,108 1,775 21.9%
Total 27,370 10,803 39.5%
Anta
Gral. Pizarro 2,667 296 11.1%
Apolinario Saravia 8,595 193 2.2%
Las Lajitas 9,151 77 0.8%
Joaquín V. González 19,185 51 0.3%
El Quebrachal 10,243 198 1.9%
Total 49,841 815 1.6%
Metán El Galpón 8,357 154 1.8%
San José de Metán 28,922 139 0.5%
Sub-Total 37,279 293 0.8%
Orán Pichanal 18,773 855 4.6%
Total 124,029 855 0.7%
TOTAL 272,467 23,225 8.5%
4.3.2. Mapa de actores para la identificación de actores vulnerables frente a los
cambios en el uso del suelo
El mapeo de actores claves se realizó respetando las tres etapas propuesta por Reed et
al. (2009): 1) identificación de actores; 2) clasificación de los actores; y 3) investigación
de las relaciones entre actores. Si bien estas etapas tienen una secuencia lógica, lo
normal es que ocurran en simultáneo.
La identificación de los actores se realizó mediante una búsqueda bibliográfica
exhaustiva, incluyendo revistas con y sin referato, y artículos periodísticos. Una vez
realizada la identificación (lista de actores) se ubicó a los mismos en una matriz de
interés-influencia y se establecieron las interrelaciones entre los actores. Los actores
más vulnerables a los cambios en el uso del suelo como aquellos cuyo bienestar
depende de los servicios (alto grado de dependencia) y cuyo grado de influencia (o
poder) es bajo. El mapa de actores resultante fue evaluado a partir de la consulta a
referentes locales.
72
4.3.3. Estimación del área de demanda potencial y efectiva de Servicios
Ecosistémicos
Para la estimación del área de demanda potencial de servicios ecosistémicos se utilizó la
Base de Datos de los Pueblos Indígenas del Chaco Salteño (Leake 2008), proyecto que
involucró el esfuerzo conjunto de la Facultad de Humanidades de la Universidad
Nacional de Salta (UNSa), la Fundación ASOCIANA (Acompañamiento Social de la
Iglesia Anglicana del Norte Argentino) y el Instituto Nacional de Asuntos Indígenas
(INAI), dependiente del Ministerio de Desarrollo Social de la Nación, con la activa
participación de las comunidades indígenas. Esta base de datos fue elaborada a partir de
métodos de mapeo participativo, en donde los miembros de cada comunidad relevada
indicaron la dirección y distancia de sus recorridos en relación a las actividades de
búsqueda de los recursos naturales que aprovechan para fines de subsistencia. El mapeo
se realizó mediante información gráfica (croquis, dibujos sobre mapas) y también con
ayuda de GPSs. Se mapearon los sitios de recolección y se calcularon las distancias
recorridas para la búsqueda de agua, leña, carbón, frutos, madera, miel, materiales de
construcción, materiales para la elaboración de artesanías, miel, caza y pesca (Figura
4.3-Izq).
Se mapeó el área de demanda para 202 comunidades, correspondientes a la base de
datos5. Utilizando la información de las distancias promedio recorridas se trazaron 3
áreas buffer que representan el área de demanda potencial de servicios ecosistémicos. El
primer buffer trazado (8 km de radio) se corresponde con la distancia recorrida para la
recolección de materiales de origen vegetal; el segundo buffer (14 km de radio), con la
distancia recorrida para la obtención de materiales para la construcción y para la
elaboración de artesanías; el tercer buffer (18 km de radio), con la distancia recorrida
para la caza y captura de alimentos de origen animal (Figura 4.3-Der).
Para calcular la pérdida de área de demanda remanente (o efectiva) para su uso por parte
de las comunidades se utilizaron como base las tres áreas buffer y se restó geo-
espacialmente la superficie deforestada para cada buffer y cada año correspondiente al
período de análisis 2001-2015 (Figura 4.4). Para esto se utilizó el shape de áreas
transformadas a nivel de lote (Capítulo 2)6. Se obtuvieron áreas buffer transformadas,
descontando área desmontada para los 15 años del período de análisis, es decir, se
obtuvieron 9.090 áreas buffer transformadas (202 comunidades x 3 buffers x 15 años).
Estas áreas representan el área remanente estimada de bosque disponible para las
comunidades en cada año y para cada recurso demandado por las mismas (área de uso
efectiva). Los cálculos geográficos y la estimación de la demanda se realizaron en
lenguaje PostgreSQL.
5 A la base de datos fueron añadidas algunas comunidades que fueron relevadas con posterioridad a la elaboración de este informe en el municipio de Ballivián (Cuchuy, Corralito, San José y Chaguaral) (Ana Álvarez y Asociana, com. pers). 6 Información actualizada a diciembre de 2015 por el Laboratorio de Análisis Regional y Teledetección (datos disponibles en http://monitoreodesmonte.com.ar)
73
Figura 4.3. Izq: Distancia media recorrida por integrantes de las comunidades (Leake 2008)
para las actividades. Se muestra el desvío estándar de los datos con líneas punteadas. El número
de muestras se encuentra entre paréntesis al lado de cada actividad del eje x. Los límites para la
delimitación de los buffers utilizados para la estimación del área de demanda potencial de
servicios ecosistémicos se encuentra marcada en tres colores. Der: Área de demanda potencial
de servicios ecosistémicos para las 202 comunidades censadas, calculadas según las distancias
medias recorridas para el aprovechamiento de tres tipos de recursos (áreas buffer). Los puntos
negros representan la ubicación de las comunidades. Las líneas negras representan las distancias
recorridas por miembros de las comunidades (no todas las comunidades están censadas).
74
Figura 4.4. Representación esquemática del área de demanda potencial (izq) y el área de uso
efectiva o remanente (der), en los tres buffers (08, 14 y 18 km de radio) centradas en cada una
de las 202 comunidades, para el período 2000-2015.
4.3.4. Estimación de tendencias en la provisión de Servicios Ecosistémicos
intermedios en el área de demanda
Para estimar las tendencias de servicios ecosistémicos intermedios en el área de uso
efectiva de las comunidades se utilizaron índices espectrales derivados de sensores
remotos relacionados con la productividad primaria (MOD13Q1-EVI) (Huete et al.
2002) para el período de análisis (2001-2015). El producto EVI tiene una elevada
correlación con la productividad primaria bruta en muchos biomas terrestres (Shi et al.
2017). Dentro de cada área buffer efectiva se seleccionaron los pixeles "puros" para
evitar la mezcla espectral, y se realizaron las extracciones de EVI de toda la serie
temporal. Las extracciones de MOD13Q1-EVI se realizaron a través de la base de datos
geo-espacial "VARSAT" del Laboratorio de Análisis Regional y Teledetección de la
Facultad de Agronomía de la UBA (ver consultas PostgreSQL en Anexo 6).
Para calcular tendencias significativas de EVI de las series temporales se aplicó el test
no paramétrico Mann-Kendall (Mann 1945) para cada una de las 202 comunidades. El
cálculo de las tendencias se realizó tanto para la serie completa ―mensualizada‖, como
para los promedios mensuales a lo largo de los 15 años. Para estimar la magnitud de las
tendencias se aplicó el test Theil-Sen (Theil 1950, Sen 1968). Se utilizó R como
lenguaje de programación.
75
4.4. Resultados
4.4.1. Mapa de actores para la identificación de actores vulnerables
El mapa de actores realizado para la región de estudio (Figura 4.5) muestra las
interrelaciones entre los actores sociales identificados en la región de estudio, indicando
las relaciones de sinergias y conflictos. Para la clasificación de los actores se utilizaron
las categorías de actores propuestas por (Tapella 2007): agentes individuales,
organizaciones sociales, instituciones públicas, empresas privadas, ONGs, organismos
internacionales, medios de comunicación y partidos políticos.
La matriz de dependencia-influencia ayuda a priorizar los actores sociales según el
grado influencia en la gestión y control de los servicios ecosistémicos y el nivel de
dependencia hacia los servicios. Los actores con alto nivel de dependencia y alto nivel
de influencia son aquellos que están sometidos a una importante pérdida o ganancia ante
los cambios en el uso del suelo, y sus acciones afectan la capacidad del ecosistema para
suministrar servicios ecosistémicos. Los actores con alto nivel de dependencia y bajo
nivel de influencia son aquellos que están sometidos a una importante pérdida o
ganancia ante los cambios en el uso del suelo, y sus acciones no afectan el flujo de
servicios en el ecosistema. Los actores con bajo nivel de dependencia y alto nivel de
influencia son aquellos cuyas acciones o decisiones pueden afectar la capacidad del
ecosistema para suministrar servicios, pero no se ven afectados por los cambios en el
flujo de servicios. Los actores con bajo nivel de dependencia y bajo nivel de influencia
son aquellos actores que no están siendo sometidos a una importante pérdida o ganancia
frente a los cambios en el ecosistema, y a su vez sus acciones no afectan el flujo de
servicios.
El mapa de actores permite identificar a las comunidades aborígenes como los actores
más vulnerables frente a los cambios en el uso del suelo, ya que sus acciones no afectan
el flujo de servicios en el ecosistema, y los mismos están sometidos a una importante
pérdida ante los cambios en el uso del suelo. Estos actores tienen alta dependencia de
los recursos naturales para su supervivencia, son los principales afectados por la
irregularidad en la propiedad de la tierra, y se ven perjudicados por la desigual
distribución en la utilización de los recursos naturales, lo que agudiza los conflictos
sociales (Slutzky 2005, Schmidt 2012).
76
Figura 4.5. Mapa de actores de la zona de estudio. Se incluyen los actores relevantes para la
problemática principal de la zona (las transformaciones en el uso del suelo). Los actores están
dispuestos según su grado de poder y nivel de dependencia frente al uso y gestión de los
servicios ecosistémicos. Las flechas rojas y verdes indican relaciones de conflicto y sinergia
entre los actores.
77
4.4.2. Evolución del área de uso remanente para las comunidades
Se advierte que el área de uso efectiva total para las comunidades al año 2015 se
encuentra reducida, en promedio para el conjunto de las comunidades, un 21% en
relación al área de uso potencial de bosque. Al año 2001, el área buffer de 08 km
˗˗captura de recursos de origen vegetal˗˗ es la que se ve más comprometida, con un 84%
de área remanente de bosque (relativa al área de uso potencial de las comunidades),
mientras que las áreas buffer de 14 y 18 km tienen, en promedio, un 87% de área
remanente ese mismo año. Durante el período 2001-2015, el área de uso remanente
disminuyó en las tres áreas buffer delimitadas: el porcentaje de cambio observado es, en
promedio, del 5,4%, 6,7% y 7,2% para las área buffer de 8, 14 y 18 km,
respectivamente (Figura 4.6).
Las caídas en el área de uso efectiva no se encuentran equitativamente distribuidas en el
territorio. Las comunidades más afectadas por el avance agropecuario son las que se
encuentran ubicadas en el departamento de Anta, en donde el área de uso remanente en
el período de estudio cayó, en promedio, un 18% (del 58 al 39%) respecto al área de uso
potencial en el período analizado, mientras que en el departamento de San Martín la
caída fue de un 10% (del 77 al 67%). En Metán y Orán el área de uso remanente cayó
un 4% (del 68% al 64% ), y Rivadavia fue el departamento menos afectado con una
caída promedio del 0,5% (del 99,8% al 99,3%) respecto al área de uso potencial.
Figura 4.6. Evolución promedio del área de uso remanente para las 202 comunidades
analizadas en el este de Salta. Las unidades están relativizadas a la superficie demandada (o área
de uso potencial). Se muestran los valores para los tres buffers en el período 2001-2015.
78%
79%
80%
81%
82%
83%
84%
85%
86%
87%
Áre
a r
eman
ente
rel
ativ
a (%
)
Año
Buffer 08 km
Buffer 14 km
Buffer 18 km
78
4.4.3. Tendencias de productividad primaria en el área de uso remanente
Del análisis la serie temporal de EVI para el período 2001-2015, se deduce que para los
tres buffers predominan tendencias negativas significativas en el área de influencia de
las comunidades. La pendiente promedio de EVI (Sen slope) para el buffer de 8 km fue
de -33,84 (p=0,002), para el buffer de 14 km fue de -40,89 (p=0,0002) y para el buffer
de 18 km fue de -42,92 (p=0.0001). Es decir, que a medida que la distancia de captura
de recursos es mayor, más negativa y más significativa es la pendiente de EVI. En el
área remanente correspondiente a los buffers de 8, 14 y 18 km, un 43 %, 55% y 58% de
las comunidades mostraron pendientes negativas significativas, respectivamente. Al
observar las tendencias de EVI para la suma de las tres áreas, se observaron tendencias
negativas significativas en el 64% de las comunidades estudiadas. En ninguno de los
buffers se detectaron tendencias positivas significativas.
Los departamentos en estudio no tuvieron caídas en la misma magnitud. Las mayores
caídas en el valor de EVI se observan en Anta (con un promedio de 80% de
comunidades afectadas) y San Martín (con un promedio de 60% de comunidades
afectadas). En Metán y Orán también se observan tendencias negativas significativas en
el área de influencia de las comunidades presentes (solo hay 3 comunidades y todas
manifestaron tendencias negativas significativas). En el departamento de Rivadavia,
ubicado al este de la región de estudio, se observan caídas de menor magnitud, y con un
menor número de comunidades afectadas (38% de comunidades afectadas (Figura 4.7).
Al analizar los patrones intra-anuales de la serie temporal (Figura 4.8), se observa que el
valor de EVI medio tiene una productividad mayor en verano, mientras que cae en
invierno, con un mínimo de EVI en agosto. La tendencia media de EVI mensual a lo
largo del período de análisis (2001-2015) en los tres buffers es mayoritariamente
negativa, y se acentúa en especial en la estación productiva. Por otra parte, la tendencia
es más pronunciada a medida que la distancia a la comunidad es mayor. Si bien no se
detectaron tendencias negativas en la estación seca (invierno), se observaron tendencias
negativas pronunciadas y significativas, tanto en el inicio del período de crecimiento,
como al final del mismo. Esto significa que el período de crecimiento se está acortando.
La proporción de comunidades con tendencias negativas varía en función de la distancia
de colección, y sigue el mismo patrón que la tendencia media, aunque en los meses de
octubre, noviembre y diciembre el porcentaje de comunidades con tendencia negativa es
relativamente mayor. Esto quiere decir que hay más comunidades con tendencia
significativa, pero la tendencia es menor, en relación al resto del año. El porcentaje de
comunidades con tendencia positiva significativa de EVI fue muy bajo.
79
Figura 4.7. Promedio de pendientes significativas de EVI por departamento para las tres áreas
buffer. Se usaron series temporales del producto EVI (MOD13Q1) y se calcularon las
pendientes utilizando la prueba Mann Kendall para evaluar significancia. Para la medición de
EVI año a año en el período 2001-2015 se consideró el área de uso efectiva anual, es decir
descontando los píxeles coincidentes con áreas desmontadas en cada año. Para esto se utilizó la
base de datos elaborada en el Capítulo 2 (actualizada en http://monitoreodesmonte.com.ar). No
se observaron tendencias positivas significativas. Los porcentajes que acompañan cada barra
representan el porcentaje de comunidades con pendiente negativa significativa (valor relativo a
las comunidades presentes en cada departamento).
80
Figura 4.8. Dinámica estacional de la EVI (Enhanced Vegetation Index) para el área de uso
efectiva de las tres áreas buffer (8, 14 y 18 km). En el eje de la izquierda se muestra la media
anual de EVI. En el primer eje de la derecha se muestra el porcentaje de comunidades afectadas
con tendencias mensuales significativas positivas (azul) y negativas (rojo) (p<0.05) para el
período 2001-2015. En el segundo eje de la izquierda se muestra la media de las tendencias mes
a mes, positivas (línea punteada azul) y negativas (línea punteada roja). Se observa una caída
abrupta en el mes de octubre y en el mes de enero, lo que significa que el período de
crecimiento se está viendo reducido. Por otra parte, a mayores distancias (buffer 18 km) mayor
es el porcentaje de comunidades afectadas.
BU
FFER
08
km
BU
FFER
14
km
BU
FFER
18
km
81
4.5. Discusión
El avance de la actividad agropecuaria redujo el área de acceso a servicios
ecosistémicos de provisión para las comunidades de pueblos originarios que habitan en
el chaco salteño. En el año 2015, el área de uso efectiva para las comunidades había
disminuido un 21% en promedio respecto al área de uso potencial de bosque. Las
comunidades más afectadas por esta reducción se encuentran en el departamento de
Anta, en donde el área remanente promedio disminuyó un 61% respecto al área de uso
potencial, y las menos afectadas se encuentran en el departamento de Rivadavia, en
donde se detectaron caídas promedio del 7% respecto al área de uso potencial. Además
de la reducción en la superficie de uso para obtener recursos básicos de subsistencia, se
detectaron caídas de productividad (medidos a partir de EVI, un índice espectral
proveniente de sensores remotos) en el área de uso remanente durante el período 2001-
2015. La magnitud de esta caída fue mayor en el departamento de Anta, en donde se
observaron caídas significativas del EVI en el 80% de las comunidades, mientras que en
Rivadavia se observaron caídas significativas del EVI en el 38% de las comunidades, y
además la caída fue menos pronunciada (Figura 4.6Figura 4.7). Por último, los resultados
de este capítulo evidencian una reducción en la duración de la estación de crecimiento
en los bosques remanentes (Figura 4.8), lo que redunda en un acortamiento de la
ventana temporal más productiva del año (la estación cálida), en donde la provisión de
servicios ecosistémicos es mayor. Las reducciones de la estación de crecimiento fueron
más pronunciadas en el departamento de Anta, seguido por San Martín y luego
Rivadavia. En resumen, no solo se vio reducida el área de uso de las comunidades para
obtener productos básicos de subsistencia (servicios finales), sino que en los últimos
años la provisión de servicios ecosistémicos intermedios del área de bosque remanente
ha disminuido, tanto en cantidad total, como en la distribución a lo largo del año.
El mapeo de actores es una herramienta que ha ganado popularidad tanto en
investigaciones científicas como en proyectos de gestión. Tapella (2007) destaca que
este tipo de esquemas no debe ser aplicado como única herramienta para el diagnóstico
o comprensión de la realidad, ya que, entre otras cosas, confiere una visión estática y
simplificada de la realidad, ocultando las heterogeneidades internas dentro de grupos.
Pese a las limitaciones y subjetividades en su construcción, el mapeo de actores resulta
útil para detectar a los actores que están en desventaja ante una determinada situación,
pero además permite establecer posibles sinergias entre los actores para enfrentar un
determinado problema (Sletto et al. 2013). Los grupos sociales que no tienen
garantizada la tenencia de la tierra y el acceso a los servicios ecosistémicos
fundamentales para su bienestar, son altamente vulnerables frente a los cambios socio-
ecológicos producidos por la expansión agropecuaria, y por lo tanto corren riesgo de ser
desplazados y perder sus modos de vida (Mastrangelo y Laterra 2015). El ordenamiento
territorial debe considerar las posiciones de poder e interés de los actores y sus
relaciones, para garantizar la igualdad de oportunidades en el uso de servicios
ecosistémicos (Ministerio de Agricultura 2010, Paruelo et al. 2014).
La degradación de los ecosistemas se refiere a la reducción o pérdida de la
productividad biológica y económica de tierras causadas por la actividad humana, en
algunos casos agravada por fenómenos naturales (UNCCD 2015). Numerosos trabajos
utilizaron tendencias en atributos derivados de índices espectrales provenientes de
sensores remotos para medir la degradación de ambientes naturales (Eckert et al. 2015,
Morales-Barquero et al. 2015, Pfeifer et al. 2016). Las tendencias predominantemente
82
negativas de EVI y la reducción en la estación de crecimiento observadas entre 2001 y
2015 evidencian un proceso de degradación en el área remanente de bosque de las
comunidades estudiadas. La magnitud de la degradación y el número de comunidades
afectadas fue mayor en los departamentos del oeste, en donde existe una mayor
intensificación del uso del suelo (ver Figura 2.2, en Capítulo 2). Entre las principales
causas de la degradación de los bosques chaqueños se destacan la intensificación
ganadera y el aumento de la extracción selectiva de maderera para leña y carbón vegetal
(Adámoli et al. 1990, Bucher y Huszar 1999, Bielello et al. 2010, Martin et al. 2015).
Una explicación razonable al fenómeno de la degradación, es que al quedar menos
territorio de bosque disponible, estos procesos se habrían intensificado en el área de
bosque remanente, generando pérdidas importantes de biomasa, que redundan en una
menor productividad. Otros factores que podrían estar operando son: la degradación
química del suelo por agroquímicos, la pérdida de la capacidad de infiltración de la capa
superficial del suelo, la reducción del almacenamiento de agua en el suelo, la pérdida de
materia orgánica, fertilidad y estructura del suelo, la pérdida de regeneración natural, la
disminución de la capa freática, el cambio climático, etc.. En última instancia la caída
en la productividad y la reducción en el período de crecimiento afectan la provisión de
servicios ecosistémicos a escala local (Daily 1997, FAO 2002, Kremen 2005).
La duración de la estación de crecimiento en las regiones áridas y semiáridas está
determinada por la disponibilidad de agua (Jobbágy et al. 2008). En estos sistemas, el
balance negativo entre la precipitación y la evapotranspiración da como resultado un
período de crecimiento limitado, ya que la vegetación se queda sin agua para fijar
carbono. La vegetación leñosa de los bosques chaqueños cumple un rol muy importante
regulando los flujos de agua del ecosistema, en donde la mayor parte del agua
disponible se evapotranspira (Nosetto et al. 2012, Magliano et al. 2014). La tendencia a
la reducción del período de crecimiento del bosque detectada en este capítulo (más
pronunciada al oeste), se corresponde con lo estudiado por Marchesini et al. (2015),
quienes a otra escala detectaron que la eliminación de la vegetación leñosa en grandes
áreas de bosques nativos generaba reducciones de hasta tres meses en el período de
crecimiento. Por otra parte, Magliano et al. (2016) advierten que el establecimiento de
pasturas en sitios originalmente cubiertos por bosques reduce la fracción de la
precipitación potencialmente transpirable y aumenta el riesgo de erosión hídrica, cosa
que a su vez podría estar agravando el proceso de degradación ya expuesto.
El modelo de Transición Forestal (Mather 1992, Mather y Needle 1998) es utilizado
para describir la trayectoria de recuperación de los ambientes forestales luego de la
conversión a tierras de cultivo. Este proceso se encuentra relacionado con dos controles
socio-económicos de la economía moderna: la industrialización y la urbanización. Así,
ocurre la intensificación y el desplazamiento de la agricultura en las zonas más
productivas (Meyfroidt y Lambin 2011) y también la migración de la población rural
hacia las zonas urbanas (Aide y Grau 2004). Este mecanismo, también denominado
"land sparing", fue ampliamente difundido como una estrategia eficaz para equilibrar la
producción de alimentos y la conservación de la naturaleza (Green et al. 2005, Grau
et al. 2008). Otros estudios muestran que este proceso de segregación espacial de
producción y conservación no ocurre en el Chaco (Volante y Paruelo 2014) ni tampoco
se cumple a escala global ya que la globalización económica hace que la transición
forestal que ocurre en un área del planeta es absorbida por otros países en donde
aumenta la deforestación (Ewers 2006, Meyfroidt et al. 2010, Lambin y Meyfroidt
2011b). Las tendencias de EVI observadas para el área de demanda de las comunidades
83
originarias confirma la idea de que en la ecorregión chaqueña no está ocurriendo un
proceso de transición forestal (Volante y Paruelo 2014), ya que no se observaron
tendencias de productividad positivas significativas en el área de demanda de ninguna
de las comunidades estudiadas, ni siquiera las ubicadas en el departamento de
Rivadavia, en donde el avance agropecuario fue menor.
Pese al reconocimiento creciente por parte de los gestores, políticos y tomadores de
decisiones de incorporar la medición de aspectos relacionados al funcionamiento
ecosistémico y valorar así los cambios en la provisión de servicios ecosistémicos
(Laterra et al. 2011), aún existe muy poca información acerca de cómo vincular
explícitamente los servicios intermedios y finales (funciones de producción). Y menos
aún, se conoce cómo esos servicios finales se traducen en beneficios para la sociedad.
No cabe duda que la caída en la productividad primaria afecta negativamente el
secuestro de carbono, genera cambios en la regulación hídrica, o afecta la biodiversidad
(McNaughton et al. 1989), pero aún no se sabe la manera en que esto ocurre, ni cómo es
la reversibilidad de estos procesos (Scheffer et al. 2000). Por eso, los resultados
obtenidos en este capítulo, si bien son contundentes en la dimensión ecológica, no
permiten realizar estimaciones numéricas acerca de cómo se ve afectada la
disponibilidad de madera, frutos silvestres, miel o animales de caza en el área de
demanda, por los cambios en el uso del suelo. Tampoco permiten conocer cómo esos
servicios finales se transforman en beneficios directos para las comunidades. En este
sentido, el surgimiento de barreras al acceso de recursos, tales como tranqueras,
amenazas, alambrados, o la contaminación de fuentes de agua con agrotóxicos, modifica
la captura y por ende la percepción de los beneficios. Si bien es cierto que aún queda
mucho trabajo cuali y cuantitativo que permita entender mejor el problema del acceso a
los recursos, los resultados obtenidos en este trabajo resultan un avance importante para
alertar la situación de disminución y degradación del área de demanda de las
comunidades de pueblos originarios, y pone de relieve un problema nodal para el
ordenamiento territorial de los bosques nativos que no es tenido suficientemente en
cuenta.
84
Capítulo 5
Discusión general
85
Capítulo 5 . Discusión general
5.1. Contribuciones y resultados más importantes de la tesis
En este capítulo final se resumen y discuten los principales aportes de esta tesis. Si bien
cada capítulo individualmente presentó conclusiones parciales, aquí se pretende mirar
de manera conjunta todos los aspectos abordados, analizar y sintetizar conceptos que
surgen de la lectura conjunta, plantear posibles aplicaciones y abrir nuevos
interrogantes. En su conjunto, esta tesis avanza en explorar cómo los cambios en el uso
del suelo influyen en la configuración socio-ecológica del territorio chaqueño y
viceversa. Asimismo, los resultados de este trabajo tienen implicancias para la
planificación territorial de la región del Gran Chaco y otras regiones sometidos a una
rápida transformación de los hábitats naturales. Las contribuciones y resultados más
importantes de la tesis se detallan a continuación:
1. Elaboración de una base de datos geo-espacial de lotes deforestados en el Gran Chaco
Seco, y caracterización de su dinámica espacial y temporal (Capítulo 2). Los resultados
más importantes de este análisis son:
A finales de 2012, 15,8 millones de hectáreas de cobertura original habían sido
transformadas a tierras de cultivo o pastizales en la ecorregión del Chaco Seco.
Las mayores tasas anuales de transformación se observan en Paraguay, donde la
deforestación aumentó dramáticamente en la última década (2000-2012),
alcanzando valores superiores al 4,0% anual en 2010, el valor histórico más alto
en toda la región.
El tamaño de los lotes transformados aumentó significativamente durante el
período de estudio, tanto en Argentina como en Paraguay, mientras que en
Bolivia disminuyó.
A nivel de paisaje, se observa un aumento de la discontinuidad y falta de
conectividad de la vegetación original, considerando el período 1976-2012.
2. Presentación de un marco conceptual para la definición de Tipos Funcionales de
Socio-Ecosistemas (TFSE), integrando procesos biofísicos y sociales en porciones
definidas del territorio, y análisis de la configuración de los mismos para la región
chaqueña (Capítulo 3). Los resultados más importantes de este análisis son:
El agrupamiento de TFSE a nivel de radio censal en la región chaqueña está
explicado por una combinación de gradientes ecológicos y sociales, siendo el
grado de antropización y la productividad media anual variables importantes en
el ordenamiento.
No fue posible realizar una reducción significativa en la dimensionalidad de los
datos ya que las 17 variables incluidas en el análisis fueron poco redundantes.
Existe una polarización de la intensificación de las zonas más favorables,
mientras que las zonas marginales aún no han sido transformadas o tienen
escaso nivel de intervención.
La pobreza estructural (necesidades básicas insatisfechas) aumenta en los
ambientes desfavorecidos, en donde la productividad media anual es menor y la
proporción de bosques nativos es mayor.
86
3. Identificación del actor social más vulnerable frente a los cambios en el uso del suelo
en el chaco salteño, descripción de la pérdida de área de uso efectiva para la obtención
de productos básicos de subsistencia (servicios finales) y análisis del deterioro en la
provisión de servicios ecosistémicos intermedios (Capítulo 4). Los resultados más
importantes de este análisis son:
Se identificó a las comunidades de pueblos originarios como actores más
vulnerables frente a los cambios en el uso del suelo.
El área de uso efectiva de las comunidades para obtener productos básicos de
subsistencia (servicios finales) se vio reducida un 21% en promedio en relación
con el área de la demanda de bosque.
Se detectaron tendencias negativas significativas en la provisión de servicios
ecosistémicos intermedios (variables relacionadas con la productividad primaria)
para el área total de bosque remanente en el 64% de las comunidades.
Se evidencia una reducción en la estación de crecimiento en el área de uso de las
comunidades, lo que redunda en una menor provisión de SE intermedios.
Las comunidades más afectadas son las que se encuentran ubicadas en los
departamentos al Oeste del área de estudio, en donde la expansión agropecuaria
fue mayor.
En las siguientes secciones discutiré brevemente cada una de estas contribuciones, sus
usos y aplicaciones en políticas de ordenamiento territorial , así como algunas ideas y
reflexiones transversales, y futuros lineamientos.
5.2. El monitoreo de los cambios en el uso del suelo
La base de datos geo-espacial de las transformaciones de la cobertura natural a nivel de
lote presentada en esta tesis (Capítulo 2) fue usada para caracterizar la dinámica de
cambios en el uso del suelo a lo largo de más de treinta años en el Chaco Seco, y
además sirvió como la base sobre la cual se desarrollaron los dos capítulos
subsiguientes. En el Capítulo 3, se utilizó para caracterizar la presión sobre el ambiente
a nivel de radio censal. En el Capítulo 4, se utilizó ˗con su actualización a 2015˗ para
determinar la superficie deforestada en el área de demanda de las comunidades de
pueblos originarios del Chaco Salteño en el período 2001-2015.
Al momento de escribir la tesis, esta base de datos además de haber sido puesta a
disposición al público en general para su descarga y uso
(www.monitoreodesmonte.com.ar/descargas) continúa en permanente estado de
actualización anual ˗únicamente la porción argentina˗ gracias al esfuerzo conjunto del
Laboratorio de Análisis Regional y Teledetección (Facultad de Agronomía, Universidad
de Buenos Aires), el Laboratorio de Teledetección y SIG (EEA INTA Salta) y la Red
Agroforestal Chaco Argentina (PROYECTO NATIVO).
Hansen et al. (2013) cartografiaron a nivel global las pérdidas y ganancias en la
cobertura de bosques utilizando imágenes Landsat. Este trabajo tuvo una enorme
repercusión, fue ampliamente citado, y permitió poner de relieve las zonas del planeta
en donde las tasas de cambio son alarmantes (entre ellas el Gran Chaco). Al comparar la
información de Hansen et al. (2013) con la base de datos elaborada en el Capítulo 2 se
destacan algunas diferencias entre ambas clasificaciones que merece la pena analizar
87
(Tabla 5.1, Figura 5.1). La base de datos presentada identifica 4 mil km2 de desmontes
adicionales en toda la región del Chaco Seco (un 6% más que el valor encontrado por
Hansen et al. (2013)). Esta diferencia puede ser debida a las diferencias en el nivel de
detalle de ambas bases: mientras que la base del Capítulo 2 analiza la deforestación a
nivel de lote, la de Hansen et al. (2013) lo hace a nivel de pixel. Por otra parte, la
metodología utilizada por Hansen et al. (2013) es menos sensible a los cambios,
generando un efecto de "sal-pimienta" en las clasificaciones, mientras que la base del
Capítulo 2 considera áreas transformadas con fuertes evidencias de acción antrópica7,
por lo que resulta más adecuada para individualizar unidades productivas, contabilizar
el área transformada, o estudiar cuestiones referentes al tamaño de lote. Otra diferencia
importante es que la base de Hansen et al. (2013) comienza en el año 2001, con lo que
no es posible estimar la deforestación total producida por el ser humano (observar los
lotes grises en la Figura 5.1 de la Izquierda que no aparecen a la Derecha), ni estudiar la
evolución histórica en las tasas de deforestación. Una última diferencia tiene que ver
con el formato en el cual está disponible la información: mientras que la base del
Capítulo 2 está disponible en formato vectorial, la de Hansen et al. (2013) está
disponible en formato raster.
Tabla 5.1. Tabla comparativa de la base de datos geo-espacial elaborada en el Capítulo 2 y la
elaborada por Hansen et al. (2013)
Capítulo 2 Hansen et al. 2013
Extensión Ecorregión Chaco Seco Global
Detalle Lote Pixel (30x30 m)
Información
satelital utilizada
Landsat 1-3 (MSS),
4-5 (TM) y 7(ETM +)
Landsat 4-5 (TM)
y 7 (ETM +)
Período de análisis 1976-2012 2000-2012
Formato disponible Vectorial (shape) Raster
7 El rolado es una herramienta de control mecánico de la vegetación muy difundida, usada para habilitar
sistemas silvopastoriles. La labor consiste en el paso de un tractor que arrastra un “rolo” por encima de la masa arbustiva, generando el abatimiento de la vegetación y su posterior trozado. Los árboles de mayor porte quedan en pie y se utilizan para dar sombra al ganado. En la base de datos del Capítulo 2, las áreas roladas se consideran transformadas.
88
Figura 5.1. Comparación de la base de datos geo-espacial elaborada en el Capítulo 2 a escala
de lote (izquierda) y la elaborada por Hansen et al. (2013) (derecha) a escala de pixel. La base
de datos propia se encuentra disponible en www.monitoreodesmonte.com.ar/descargas para su
descarga en formato vectorial, mientras que la de Hansen et al. (2013) se encuentra disponible
para su descarga en formato raster en http://earthenginepatners.appspot.com/science-2013-
global-forest. Se observan algunas diferencias en la clasificación de los años, y el efecto del
"bandeado" proveniente de las imágenes Landsat 7 (que posee una falla técnica en el sensor).
Al momento de presentar la tesis, el monitoreo de la deforestación (Capítulo 2) ha sido
utilizada, entre otras cosas, para:
Identificar y cuantificar lotes deforestados en zonas de alto y mediano nivel de
conservación según la zonificación de la "Ley de Bosques" en la provincia de Salta
(Ley provincial Nº 7.543) y Santiago del Estero (Ley provincial Nº 6.942)8
Asistir a la resolución de conflictos judiciales relacionados con el avance de la
frontera agropecuaria en territorios habitados por comunidades de pueblos
originarios y comunidades criollas:
- Ref: Expte. Nº 1.144/2008-Tomo 44. Letra S. C.S.J.N. ―Salas, Dino y otros
c/Salta, Provincia de y Estado Nacional s/ amparo‖. Presentación de informe a la
Corte Suprema de Justicia de la Nación "Elementos conceptuales y
metodológicos para la Evaluación de Impactos Ambientales Acumulativos
(EIAAc) en los bosques subtropicales. El caso del Este de Salta". Septiembre
2009.
- Ref: Expte. C.S.J.N. Letra ―C‖, Nº 1133, Legajo XLV, Año 2009, caratulado:
―JUICIOS ORIGINARIOS Comunidad de San José-Chustaj Lhokwe y
Comunidad de Cuchuy contra Salta, Provincia de y otro (Estado Nacional)‖.
Diciembre 2012.
- Ref: Exptes. Nº 0090227-160393/2012 y 0050119-15742/2007 Finca "Cuchuy"
Departamento San Martín, Ministerio de Ambiente y Producción Sustentable de
8 En la provincia de Salta, entre 2008 y 2012 detectaron 98.894 ha deforestadas en zonas correspondientes a las categorías I-Rojo (alto valor de conservación) y II -Amarillo (mediano valor de conservación) (Redaf 2012). En la provincia de Santiago del Estero, entre 2008 y 2012 se detectaron 240.874 ha deforestadas en las categorías I-Rojo (alto valor de conservación), II-Amarillo (mediano valor de conservación) y IV-Amarillo con puntos verde (superficies de mediano valor de conservación (Categoría II) en términos de la Ley Nacional N° 26.331, que pueden ser parcialmente transformadas según las restricciones enunciadas en el Anexo II de la Ley Provincial N° 6.841) (Camba Sans 2015).
89
la Provincia de Salta Secretaría de Ambiente. Prosecretario Letrado de la
Defensoría General de La Nación, Sr. Sebastían Luciano Velo. Diciembre 2013.
- Ref: Causa COR – Nº 18423/13 ―Karlen, Juan José – Karlen, Daniel Darío –
Gonzalez, Miguel Ángel – Desobediencia a la Autoridad – Medio Ambiente‖,
Ministerio Público de la Defensa Distrito Norte - Circunscripción Tartagal.
Dra. Asusena Margarita Vásquez. Marzo 2014.9
Estudiar cómo cambia la provisión de servicios ecosistémicos intermedios a nivel
de paisaje y trazar funciones de afectación (Volante et al. 2012).
Diseñar experimentos mensurativos para la toma de muestras a campo en las
provincias de Salta (Amdan et al. 2013, Ciuffoli 2013) y Santiago del Estero
(Basualdo 2011).
Elaboración de mapas de deforestación del este salteño, en conjunto con las
comunidades afectadas, y articulación con organizaciones territoriales, como medio
para fortalecer los reclamos de las comunidades Wichí.10
Discriminar la ocurrencia de fuegos naturales y los vinculados al desmonte agrícola
en la región chaqueña y cuantificar la energía radiativa emitida por fuegos
(Villarroel Torrez 2015).
Realizar clasificaciones para mapear la composición por tipo de cultivo a nivel de
lote en la provincia de Salta, mediante clasificaciones supervisadas en base a firmas
espectrales fenológicas ("fenoteca espectral") (Bagnato et al. 2012).
5.3. El valor de la perspectiva socio-ecológica para ordenar el territorio
La adopción del marco de los sistemas socio-ecológicos (SSE) como enfoque
conceptual en los proyectos de investigación y en la gestión de los recursos naturales es
relativamente reciente. Experiencias previas que abordaron la representación geográfica
de sistemas socio-ecológicos usaron separadamente la combinación de datos ecológicos
y sociales, tanto a nivel global (Ellis y Ramankutty 2008) como local (Alessa et al.
2008, Letourneau et al. 2012, Su et al. 2012), o únicamente consideraron los atributos
de interacción entre ambos componentes (la demanda local de SE) (Hamann et al.
2015). La perspectiva para el mapeo de Tipos Funcionales de Socio-Ecosistemas
(TFSE) planteada en el Capítulo 3 representa una novedad tanto conceptual como
metodológica, ya que integra en una misma categorización las múltiples dimensiones de
los SSE. La representación espacial de TFSE en la región chaqueña argentina permite
entender la complejidad socio-ecológica del territorio, y es plausible de ser aplicada
utilizando otras escalas de análisis y también en otras regiones del mundo. De hecho, el
mapeo de Tipos Funcionales de Socio-Ecosistemas planteado en esta tesis fue la base
9 En la demanda, que lleva las firmas del Procurador General de la Provincia, Pablo López Viñals, y de la
fiscal civil de Tartagal, Griselda Beatriz Nieto, se solicitó a la jueza civil de Tartagal, Claudia Viviana Yance, que condene a Karlen y a su hijo, Daniel Darío, a depositar la suma inicial básica de $ 171.413.473. El monto demandado será utilizado para efectivizar un “Plan de Manejo” mediante el cual se buscará la “restauración” del bosque de 11.875 hectáreas desmontadas ilegalmente (extensión que equivale a la mitad de la superficie de Capital Federal). http://www.fiscalespenalesalta.gob.ar/para-recomponer-11-mil-hectareas-desmontadas-demandan-a-un-finquero-por-171-millones-de-pesos/ 10 Proyecto de Extensión Universitaria – UBANEX. Convocatoria Bicentenario 2011-2012: “Detección, seguimiento y evaluación de impactos de desmontes e incendios en comunidades de pueblos originarios y criollos en la provincia de Salta”. Director y codirectora: José Paruelo y Marcela Román.
90
para la redacción de un proyecto concedido por el Gobierno de España a la Universidad
de Granada para profundizar y aplicar la metodología en el Sur de España y Norte de
Marruecos, dos regiones muy similares en la dimensión ambiental, pero contrastantes en
la dimensión social.
La zonificación para el ordenamiento territorial debe tener en cuenta tanto las aptitudes
de un territorio, como los impactos de los cambios en el uso del suelo (Menvielle et al.
2015). Las aptitudes tienen que ser analizadas términos biofísicos (clima, suelos,
topografía, etc.) pero también en términos humanos (nivel de capacitación, costumbres
y tradiciones, infraestructura disponible, etc.). Por su parte, los impactos deben ser
analizados no solamente en sus aspectos sociales y naturales (es decir, cómo cambian
las condiciones de empleo, o cómo se degrada el capital natural), sino también en
términos de vulnerabilidad, capacidad de adaptación y resiliencia. La vulnerabilidad es
la capacidad de las personas para resistir, hacer frente y recuperarse de los efectos de un
peligro natural o causado por la actividad humana. La vulnerabilidad se asocia con la
pobreza, pero también influye el entorno natural en el que viven las personas. La
resiliencia hace referencia a la capacidad de los sistemas socio-ecológicos de mantener
las características estructurales y funcionales frente a perturbaciones externas o
conflictos endógenos.
La caracterización de los sistemas socio-ecológicos que se describe en el Capítulo 3 es
útil para entender y analizar mejor aptitudes del territorio (tanto humanas como
naturales) a escala de radio censal. La distribución espacial de TFSE permite
caracterizar la heterogeneidad socio-ecológica del territorio y vincularla con la dinámica
de los cambios en el uso del suelo. El mismo gradiente de aridez hacia el centro de la
ecorregión chaqueña que determina un patrón de expansión agropecuaria hacia el oeste,
en donde la productividad para la agricultura aún es dudosa (Volante 2014) define la
configuración socio-ecológica del territorio, en la cual los productores descapitalizados
se ubican en los suelos más áridos y frágiles.
Para analizar los impactos de los cambios en el uso del suelo en el sistema socio-
ecológico algunos autores proponen estudiar los cambios ocurridos en los distintos
tipos de capital: natural, social, humano, cultural, financiero, de infraestructura, etc.
(Arrow et al. 2004). La sostenibilidad de un territorio requiere que la base necesaria
para generar bienestar sea mantenida o incrementada en el tiempo, o en otras palabras,
que el capital total de dicho territorio aumente o permanezca constante. Una
metodología simple y válida para medir el impacto de los cambios en el uso del suelo en
el capital natural se describe en el Capítulo 4, en donde se observan las tendencias en el
tiempo de aspectos relacionados al funcionamiento de los ecosistemas. El
funcionamiento ecosistémico (particularmente aquellos SE vinculados a las ganancias
de C) permite cuantificar SE intermedios ˗sensu Fisher et al. (2009). En tal sentido esta
descripción de los sistemas socio-ecológicos proveería un indicador del capital natural a
partir de su capacidad de proveer SE.
El estudio de la evolución y comparación de TFSE en el tiempo podría ser una
metodología útil para medir los impactos de los cambios en el uso del suelo a escala de
radio censal en otros tipos de capital, tales como el humano, el financiero o de
infraestructura, ya que hay variables censales que permiten su cuantificación o
estimación (por ejemplo, el nivel de educación, cantidad de maquinaria, superficie
sembrada). En esta tesis, no obstante, no se resolvió cómo incorporar otros aspectos
91
críticos para entender la dinámica de los cambios en el capital social11 y cultural12, cuya
complejidad no es captada por los datos censales, y su medición resulta más compleja.
En estos casos seguramente es necesario avanzar en protocolos que permitan escalar a
nivel de radio censal descripciones de, por ejemplo, el capital social de uno o más
actores derivados de datos primarios (encuestas o entrevistas).
Distintos estudios han demostrado que la pobreza es a la vez causa y consecuencia de la
degradación de los recursos naturales y el medio ambiente (Duraiappah 1996, Biaggi
1998, Larrea et al. 1998). La zonificación de TFSE a nivel de radio del Capítulo 3
reafirma este patrón, ya que la pobreza estructural (Necesidades Básicas Insatisfechas)
aumenta a medida que la proporción de bosques nativos es mayor, y la productividad
media anual es menor (ambientes más desfavorecidos). Esto genera que los productores
y comunidades marginados se vean inmersos en una "trampa de pobreza" (Aghion y
Durlauf 2005), de la cual es difícil salir si no se toman las medidas adecuadas de
redistribución. El papel que tienen los bosques en la mitigación de la pobreza fue
cuantificado por (Fisher 2004) en las zonas rurales de Malawi, quien concluyó que el
acceso a los bosques reduce la desigualdad de ingresos entre los hogares, y reduce la
pobreza de los usuarios cuyas actividades tienen bajo o nulo retorno económico.
5.4. Impacto de los cambios en el uso del suelo sobre la provisión de servicios
ecosistémicos para la toma de decisiones
Cada vez más se considera necesario vincular a los actores sociales para impulsar una
ciencia de los servicios ecosistémicos hacia una investigación aplicada a la toma de
decisiones (Hein et al. 2016), para lo cual el mapeo de actores resulta de gran utilidad
(Capítulo 4). Si bien este tipo de representaciones es válido para identificar actores
vulnerables frente a los cambios en el uso del suelo, tiene limitaciones para entender la
complejidad de las relaciones, y debe ser complementado con otros enfoques (Tapella
2007).
En el Capítulo 4 se estimó la disminución del área de demanda de las comunidades de
pueblos originarios, la cual está estrechamente relacionada a la obtención de beneficios
provenientes del bosque. Paruelo et al. (2016) avanzaron en el estudio de las funciones
de producción mostrando que el funcionamiento ecosistémico ˗medido con un índice
que integra la productividad anual y su estacionalidad˗ tiene una elevada correlación
con algunos servicios ecosistémicos finales (tales como la diversidad de aves, el
carbono orgánico del suelo, la evapotranpiración o el secuestro de carbono). No
obstante, las metodologías para entender cómo se vinculan la provisión de servicios
finales con el bienestar humano han sido muy poco desarrolladas y exploradas (Daw
et al. 2011, Barnaud y Antona 2014). Bennett et al. (2015) argumentan que esta brecha
se debe, por un lado al alto contenido disciplinar de los estudios (en su mayoría
centralizados por las ciencias naturales o económicas), y por otro, a su elevado
contenido conceptual (son pocos los estudios que realizan mediciones empíricas). Fisher
11 El capital social es el conjunto de conocimientos, normas, reglas y expectativas compartidas para
resolver problemas colectivamente (Lin 2001).
12 El capital cultural es el potencial que se adquirido de la cultura intelectual y del medio familiar (Bourdieu 1987).
92
and Turner (2008) proponen separar la provisión de servicios ecosistémicos del
concepto de los beneficios, ya que facilita la integración de las dimensiones biofísicas y
socio-culturales. Los beneficios se asocian a los intereses, marcos ideológicos, las
creencias, las necesidades sociales, y se vinculan a la demanda real de servicios
ecosistémicos (Díaz et al. 2015, Yahdjian et al. 2015).
En respuesta a la pérdida de biodiversidad y degradación de los ecosistemas, en los
últimos años ha habido un incremento de la investigación centrada en los servicios
ecosistémicos con el objetivo de informar a los tomadores de decisiones (Daily y
Matson 2008, Hogan et al. 2011, Ruckelshaus et al. 2015). Uno de los mayores retos a
los que se enfrenta esta aproximación es la falta de aplicación y transmisión del
conocimiento desde el ámbito científico hacia el de la gestión. A nivel mundial, el
marco de los servicios ecosistémicos ha tenido una amplia aceptación por una gran
variedad de gobiernos, agencias de desarrollo y organizaciones no gubernamentales, que
están realizando esfuerzos para incorporar los servicios de los ecosistemas entre sus
objetivos y prioridades (Quétier et al. 2007, Díaz et al. 2011, Wong et al. 2015). La
aplicación del concepto de servicios en algunos países de Latinoamérica pareciera estar
orientado al pago por servicios ambientales (Balvanera et al. 2012). En Argentina, la
Ley de Ordenamiento Territorial de Bosques Nativos (Ley Nº 26.331) incorpora la idea
de las compensaciones a la conservación del bosque en forma de subsidios.
Existen varios argumentos en contra de la "mercantilización de la naturaleza" mediante
la asignación de pago por servicios ambientales. Entre otras razones, Paruelo (2011)
expone que la valoración económica de los SE y la toma de decisiones asociadas a una
lógica de costo-beneficio asume que los ―afectadores‖ y ―beneficiarios‖ contribuyen de
manera equivalente a la búsqueda de un óptimo de bienestar social, cosa que rara vez
ocurre, ya que en general los afectadores tienen un peso económico y político mucho
mayor que el de los beneficiarios locales. Además, el precio relativo de los bienes o
servicios es especialmente sensible a las perspectivas culturales de los distintos actores,
con lo cual resulta difícil asignar un precio. A cambio, este autor propone un sistema de
apoyo a la toma de decisiones basado en la cuantificación de las consecuencias de los
cambios en el uso del suelo y el estudio de los beneficios y perjuicios para cada tipo de
actor social. En el Capítulo 4 se cuantifica la pérdida de servicios ecosistémicos
intermedios desde la perspectiva de demanda de las propias comunidades de pueblos
originarios, lo que permite evitar alternativas de cuantificación que expresen la pérdida
con una lógica económica. La ausencia de mercados para muchos de los bienes y
servicios demandados por las comunidades Wichi otorga una mayor importancia a la
valoración que las propias comunidades hacen de los recursos, lo que posibilita
balancear las relaciones de poder entre actores sin necesidad de traducir los beneficios
que los usuarios obtienen de la naturaleza a unidades monetarias.
5.5. Consideraciones finales
La deforestación en los bosques secos del Gran Chaco, a través de la eliminación
sistemática y a gran escala de vegetación leñosa, es un ejemplo representativo de la
intensificación de los cambios en el uso del suelo que está ocurriendo a escala global. El
uso del territorio en esta ecorregión estuvo históricamente asociado a la utilización para
ganadería extensiva y explotación forestal. Sin embargo, la transformación del territorio
ocurrido en los últimos 15 años ha cambiado el paisaje de manera drástica través de la
93
conversión de enormes extensiones de bosques a áreas de cultivos o pasturas
megatérmicas (Capítulo 2).
Los cambios en el uso del suelo en los últimos años han sido impulsados por actores
extra-regionales con escaso arraigo territorial. La demanda internacional de granos, los
cambios tecnológicos y climáticos, y la existencia de condiciones económicas
favorables para la exportación de productos agropecuarios han permitido expandir la
superficie de tierras aptas para la agricultura extensiva de secano (Grau et al. 2005),
todo esto en un contexto caracterizado por la ausencia de políticas efectivas para la
protección y conservación del ambiente y el ordenamiento territorial (García Collazo y
Paruelo. 2014). Pese a la legislación vigente, el ordenamiento territorial de hecho
responde hoy más a una racionalidad económica y de aptitud ambiental, que social y
cultural. Los resultados de este trabajo indican que estos rápidos cambios están
afectando la configuración socio-ecológica del territorio (Capítulo 3) y la apropiación
diferencial de servicios ecosistémicos por parte de los actores sociales (Capítulo 4).
La ecorregión del Gran Chaco aún tiene extensas áreas de bosque sin transformar, que
representan, por un lado, un enorme capital natural y cultural a escala global, y por otro,
un área de gran aptitud agropecuaria potencialmente transformable para abastecer a la
demanda mundial de alimentos. Según Paruelo et al. (2011), para generar una
alternativa operativa a la toma de decisiones en relación al ordenamiento de los bosques
nativos, se debe cumplir por lo menos los siguientes cuatro aspectos 1) identificar qué
servicios ecosistémicos (intermedios y finales) se verían afectados cuando se producen
los posibles distintos tipos de intervenciones, 2) determinar la magnitud y sentido del
cambio en el nivel de provisión de un servicio inducido por cada tipo de intervención,
3) identificar los actores e involucrados sociales, económicos y políticos relevantes, y 4)
cuantificar el nivel de apropiación de beneficios y perjuicios por parte de los distintos
actores socioeconómicos. La consideración de estos aspectos no resuelve el problema de
la toma de decisiones pero provee a quienes deben tomarlas elementos para evaluar las
posibles alternativas e impactos de las transformaciones. En última instancia, las
decisiones dependerán de cuestiones políticas, de la capacidad de cada uno de los
actores de hacer valer sus intereses, visiones e ideologías, y del grado de acceso y
control que tengan las instituciones del Estado. Una planificación del uso del territorio
que maximice el beneficio para la sociedad debe partir de la evaluación de los impactos,
vulnerabilidad, adaptabilidad, resiliencia y transformabilidad de los sistemas socio-
ecológicos, y no debe quedar atada de manera unívoca a las opciones de uso actuales o a
la lógica de los agronegocios. Así, la gestión del territorio debería contemplar el diseño
de paisajes que garanticen el suministro equilibrado de servicios ecosistémicos de
provisión, regulación, culturales y de soporte de manera equilibrada en el tiempo
(Rodríguez et al. 2006), y una distribución equitativa de los beneficios y perjuicios que
se generan en torno al uso del suelo. En cualquier caso, el proceso de ordenamiento
territorial debería apoyarse en la participación de los actores e involucrados para la
definición de objetivos, el seguimiento y la readecuación de los planes.
94
Referencias
95
Achard, F., H. D. Eva, H.-J. Stibig, P. Mayaux, J. Gallego, T. Richards, y J.P.
Malingreau. 2002. Determination of deforestation rates of the world‘s humid
tropical forests. Science (New York, N.Y.) 297(5583):999–1002.
Ackermann, F., y C. Eden. 2011. Strategic Management of Stakeholders: Theory and
Practice. Long Range Planning 44:179–196.
Adámoli, J., E. Sennhauser, J. M. Acero, y A. Rescia. 1990. Stress and disturbance:
vegetation dynamics in the dry Chaco region of Argentina. Journal of
Biogeography 17(4):491–500.
Aghion, P., y S. N. Durlauf. 2005. Handbook of Economic Growth. North Holland.
Agrawal, A., D. Nepstad, y A. Chhatre. 2011. Reducing Emissions from Deforestation
and Forest Degradation. Annual Review of Environment and Resources 36(1):373–
396.
Aide, T. M., y H. R. Grau. 2004. Globalization, Migration and Latin American
Ecosystems. Science 305:1915–1916.
Alcaraz-Segura, D., G. Baldi, P. Durante, y M. F. Garbulsky. 2009a. Análisis de la
dinámica temporal del NDVI en áreas protegidas : tres casos de estudio a distintas
escalas espaciales , temporales y de gestión . Ecosistemas 17(3):108–117.
Alcaraz-Segura, D., C. M. Di Bella, y J. V. Straschnoy. 2013a. Earth observation of
ecosystem services. CRC Press. Taylor & Francis Books.
Alcaraz-Segura, D., J. Cabello, y J. Paruelo. 2009b. Baseline characterization of major
Iberian vegetation types based on the NDVI dynamics. Plant Ecology 202(1):13–
29.
Alcaraz-Segura, D., J. M. Paruelo, y J. Cabello. 2006. Identification of current
ecosystem functional types in the Iberian Peninsula. Global Ecology and
Biogeography 15(2):200–212.
Alcaraz-Segura, D., J. M. Paruelo, H. E. Epstein, y J. Cabello. 2013b. Environmental
and human controls of ecosystem functional diversity in temperate South America.
Remote Sensing 5(1):127–154.
Alessa, L., y F. S. Chapin. 2008. Anthropogenic biomes: a key contribution to earth-
system science. Trends in Ecology & Evolution 23(10):529–531.
Alessa, L., A. Kliskey, y G. Brown. 2008. Social–ecological hotspots mapping: A
spatial approach for identifying coupled social–ecological space. Landscape and
Urban Planning 85(1):27–39.
Amdan, M. L., R. Aragõn, E. G. Jobbágy, J. N. Volante, y J. M. Paruelo. 2013. Onset of
deep drainage and salt mobilization following forest clearing and cultivation in the
Chaco plains (Argentina). Water Resources Research 49(10):6601–6612.
Andaluz, A. W., y R. T. Mancilla. 2006. Análisis nacional preliminar sobre
gobernabilidad y cumplimiento de la legislación en el sector forestal de Bolivia.
Washington, D.C. The World Bank.
Anderies, J. M., M. A. Janssen, y E. Ostrom. 2004. A Framework to Analyze the
Robustness of Social-ecological Systems from an Institutional Perspective.
Ecology And Society 9(1).
96
Anton, C., J. Young, P. A. Harrison, M. Musche, B. Györgyi, C. K. Feld, R. Harrington,
J. R. Haslett, P. György, M. D. A. Rounsevell, M. Skourtos, J. P. Sousa, M. T.
Sykes, R. Tinch, M. Vandewalle, A. Watt, y J. Settele. 2010. Research needs for
incorporating the ecosystem service approach into EU biodiversity conservation
policy. Biodivers Conserv 19:2979–2994.
Arenas, P. 2005. El escenario natural y los indígenas del Gran Chaco. Naturaleza y
Conservación 16:26–29.
Arneth, A., C. Brown, y M. D. A. Rounsevell. 2014. Global models of human decision-
making for land-based mitigation and adaptation assessment. Nature Climate
Change 4(7):550–557.
Arrow, K., L. Goulder, P. Dasgupta, G. Daily, P. Ehrlich, G. Heal, S. Levin, K. G.
Mäler, S. Schneider, D. Starret, y B. Walker. 2004. Are we consuming too much?
Journal of Economic Perspectives 18:147–172.
Asociana, Tepeyac, y Fundapaz. 2008. Territorios Indígenas y Bosques Nativos en el
Chaco Salteño. Delimitación de territorios indígenas a ser considerados en el
proceso de Ordenamiento Territorial de la Provincia de Salta.
Bagnato, C., C. Conde, Y. Noe, C. Caride, S. Baeza, H. Paoli, M. Vallejos, F. Gallego,
L. Vale, M. L. Amdan, H. Elena, M. Texeira, M. J. Mosciaro, L. Ciuffol, C.
Morales, J. M. Paruelo., P. Baldassini, S. Aguiar, M. D. Arocena, y J. N. Volante.
2012. Utilización de firmas espectrales de alta resolución temporal para la
elaboración de Mapas de Uso Agrícola y Estimaciones de Superficie Cultivada a
escala de lote en Argentina y Uruguay. Página Congreso Argentino de
Teledetección. 18 al 21 sept. 2012. Alta Gracia, Córdoba, Argentina.
Bagstad, K. J., F. Villa, G. W. Johnson, y B. Voigt. 2011. ARIES - Artificial Intelligence
for Ecosystem Servives: A guide to models and data. version 1.0. ARIES report
series n.1.
Baldassini, P., G. Piñeiro, y J. M. Paruelo. 2015. Cambios en el contenido de carbono
orgánico del suelo como consecuencia de la agriculturización en el Chaco
semiárido. Página IV Congreso Internacional de Servicios Ecosistémicos en los
Neotrópicos (CISEN4). Mar del Plata, Argentina.
Baldi, G., J. P. Guerschman, y J. M. Paruelo. 2006. Characterizing fragmentation in
temperate South America grasslands. Agriculture, Ecosystems & Environment
116(3–4):197–208.
Baldi, G., J. Houspanossian, F. Murray, A. A. Rosales, C. V. Rueda, y E. G. Jobbágy.
2015. Cultivating the dry forests of South America: Diversity of land users and
imprints on ecosystem functioning. Journal of Arid Environments 123:47–59.
Baldi, G., y J. M. Paruelo. 2008. Land-use and land cover dynamics in South American
Temperate grasslands. Ecology and Society 13(2).
Balvanera, P., M. Uriarte, L. Almeida-Leñero, A. Altesor, F. DeClerck, T. Gardner, J.
Hall, A. Lara, P. Laterra, M. Peña-Claros, D. M. Silva Matos, A. L. Vogl, L. P.
Romero-Duque, L. F. Arreola, Á. P. Caro-Borrero, F. Gallego, M. Jain, C. Little,
R. de Oliveira Xavier, J. M. Paruelo, J. E. Peinado, L. Poorter, N. Ascarrunz, F.
Correa, M. B. Cunha-Santino, A. P. Hernández-Sánchez, y M. Vallejos. 2012.
Ecosystem services research in Latin America: The state of the art. Ecosystem
Services 2:56–70.
97
Barnaud, C., y M. Antona. 2014. Deconstructing ecosystem services: Uncertainties and
controversies around a socially constructed concept. Geoforum 56:113–123.
Basualdo, M. A. 2011. Santiago del Estero en la Recuperación de sus bosques Nativos.
Página en U. (Universidad N. de Santiago, y U. (Universidad Estero), UNIBOL
(Universidad Indígena Boliviana Guaraní), y N. de Asunción), editores. Primer
Congreso Forestal del Chaco Sudamericano. Producción y Sustentabilidad.
Sociedad, Producción, Ambiente. Filadelfia, Paraguay, del 4 al 9 de Abril del 2011.
Bennett, E. M., W. Cramer, A. Begossi, G. Cundill, S. Díaz, B. N. Egoh, I. R.
Geijzendorffer, C. B. Krug, S. Lavorel, E. Lazos, L. Lebel, B. Martín-López, P.
Meyfroidt, H. A. Mooney, J. L. Nel, U. Pascual, K. Payet, N. P. Harguindeguy, G.
D. Peterson, A.-H. Prieur-Richard, B. Reyers, P. Roebeling, R. Seppelt, M. Solan,
P. Tschakert, T. Tscharntke, B. Turner, P. H. Verburg, E. F. Viglizzo, P. C. White,
y G. Woodward. 2015. Linking biodiversity, ecosystem services, and human well-
being: three challenges for designing research for sustainability. Current Opinion
in Environmental Sustainability 14:76–85.
Berbery, E. H., y V. R. Barros. 2002. The Hidrologic Cicle of the Plata Basin in South
America. Reprinted from Journal of Hydrometeorology 3(6):628–645.
Berkes, F., J. Colding, y C. Folke. 2003. Navigating Social–Ecological Systems.
Cambridge University Press, Cambridge.
Berkes, F., y C. Folke. 1998. Linking social and ecological systems : management
practices and social mechanisms for building resilience. Cambridge University
Press, New York.
Bhanu, B., S. Lee, y J. Ming. 1995. Adaptive Image segmentation using a Genetic
Algorithm. IEEE Transactions on Systems, Man and Cybernetics, 25(12):1543–
1567.
Biaggi, C. 1998. El uso de los recursos naturales en agriculturas campesinas pobres del
Noreste Argentino. Página Tercer Simposio Latinoamericano sobre Investigación y
Extensión en Sistemas Agropecuarios (IESA-AL III). Lima.
Bielello, G., N. Puppi, y M. C. González. 2010. La nueva ganadería. Cambios en la
actividad a partir de la expansión agrícola. Relocalización y expansión productiva.
Un estudio comparativo en dos provincias argentinas. Revista Interdisciplinaria de
Estudios Agrarios 31:51–74.
Blomqvist, L., B. W. Brook, E. C. Ellis, P. M. Kareiva, T. Nordhaus, M. Shellenberger,
W. Rees, M. Wackernagel, L. Blomqvist, B. Brook, E. Ellis, P. Kareiva, T.
Nordhaus, J. van den Bergh, H. Verbruggen, y R. Costanza. 2013. The Ecological
Footprint Remains a Misleading Metric of Global Sustainability. PLoS Biology
11(11):1001702.
Boletta, P. E., A. C. Ravelo, A. M. Planchuelo, y M. Grilli. 2006. Assessing
deforestation in the Argentine Chaco. Forest Ecology and Management 228(1–
3):108–114.
Bolsi, A., y P. Paolasso. 2009. La pobreza entre los argentinos del Norte Grande.
Ciencia. Hoy 19(111):8–17.
Bonan, G. B. 2008. Forests and climate change: forcings, feedbacks, and the climate
benefits of forests. Science (New York, N.Y.) 320(5882):1444–9.
Bonan, G. B., S. Levis, L. Kergoat, y K. W. Olson. 2002. Landscapes as patches of
98
plant functional types: An integrating concept for climate and ecosystem models.
Global Biogeochemical Cycles2 16(2):1–18.
Bourdieu, P. 1987. The Forms of Capital. Página en J. G. Richardson, editor. Handbook
of Theory and Research for the Sociology of Education. Greenwood Press, New
York.
Boyd, J., y S. Banzhaf. 2007. What are ecosystem services? The need for standardized
environmental accounting units: Ecological Economics of Coastal Disasters -
Coastal Disasters Special Section. Ecological Economics 63(January):616–626
ST–What are ecosystem services? The nee.
Von Braun, J., y E. Diaz-Bonilla. 2008. Globalization of food and agriculture and the
poor. Oxford Unversity Press, New Delhi.
Bravo, S., C. Kunst, R. Grau, y E. Aráoz. 2010. Fire–rainfall relationships in Argentine
Chaco savannas. Journal of Arid Environments 74(10):1319–1323.
Breckenridge, R. P., W. G. Kepner, y D. A. Mouat. 1995. A process for selecting
indicators for monitoring conditions of rangeland health. Environmental
monitoring and assessment 36(1):45–60.
Broadbent, E. N., G. P. Asner, M. Keller, D. E. Knapp, P. J. C. Oliveira, y J. N. Silva.
2008. Forest fragmentation and edge effects from deforestation and selective
logging in the Brazilian Amazon. Biological Conservation 141(7):1745–1757.
Brown, A., U. Martinez Ortiz, M. Acerbi, y J. Corcuera. 2006. La Situación Ambiental
Argentina 2005. Fundación Vida Silvestre Argentina, Buenos Aires.
Brown, A., U. M. Ortiz, M. A. J. Corcuera, A. Brown, U. M. Ortiz, y J. Corcuera. 2005.
La Situación Ambiental Argentina 2005.
Bucher, E. H., y P. C. Huszar. 1999. Sustainable management of the Gran Chaco of
South America: Ecological promise and economic constraints. Journal of
Environmental Management 57(2):99–108.
Buliubasich, C., y A. González. 2006. Los Pueblos Indígenas de la Provincia de Salta
La posesión y el dominio de sus tierras. Ministerio de Justicia, Seguridad y
Derechos Humanos de la Nación. Secretaría de Derechos Humanos de la Nación.
Universidad Nacional de Salta., Salta.
Buliubasich, C., y H. E. Rodríguez. 1999. Demanda desde la cultura: Los indígenas del
Pilcomayo. Revista Andes, Universidad Nacional de Salta N°10.
Buliubasich, E. C. 2013. La política indígena en Salta. Límites, contexto etnopolítico y
luchas recientes. Runa XXXIV(1):59–71.
Burkhard, B., M. Kandziora, Y. Hou, y F. Müller. 2014. Ecosystem Service Potentials,
Flows and Demands – Concepts for Spatial Localisation, Indication and
Quantification. Landscape Online 34:1–32.
Burkhard, B., F. Kroll, F. Müller, y W. Windhorst. 2009. Landscapes‗ Capacities to
Provide Ecosystem Services – a Concept for Land-Cover Based Assessments.
Landscape Online 15:1–22.
Burkhard, B., F. Kroll, S. Nedkov, y F. Müller. 2012. Mapping ecosystem service
supply, demand and budgets. Ecological Indicators 21:17–29.
Cabello, J., D. Alcaraz-Segura, A. Altesor, M. Delibes, S. Baeza, y E. Liras. 2008.
99
Funcionamiento ecosistémico y evaluación de prioridades geográficas en
conservación. Revista Ecosistemas 17(3).
Cabello, J., D. Alcaraz-Segura, A. Reyes, P. Lourenço, J. Bonache, P. Castillo, S.
Valencia, J. Naya, L. Ramírez, y J. Serrada. 2016. Diseño de un programa de
Seguimiento del funcionamiento de ecosistemas mediante teledetección para la
Red de Parques Nacionales de España. Revista de Teledetección 46:119–131.
Cabello, J., N. Fernández, D. Alcaraz-Segura, C. Oyonarte, G. Piñeiro, A. Altesor, M.
Delibes, y J. M. Paruelo. 2012. The ecosystem functioning dimension in
conservation: insights from remote sensing. Biodivers Conserv 21:3287–3305.
Cabrera, A. L. 1971. Fitogeografía de la República Argentina. Boletín de la Sociedad
Argentina de Botánica 14:1–42.
Cagnolo, L., M. Cabido, y G. Valladares. 2006. Plant species richness in the Chaco
Serrano Woodland from central Argentina: Ecological traits and habitat
fragmentation effects. Biological Conservation 132(4):510–519.
Caldas, M. M., D. Goodin, S. Sherwood, J. M. Campos Krauer, y S. M. Wisely. 2013.
Land-cover change in the Paraguayan Chaco: 2000–2011. Journal of Land Use
Science(August):1–18.
Camba Sans, G. H. 2015. ¿En qué medida fue efectiva la Ley de Ordenamiento
Territorial de Bosques Nativos? El caso de Santiago del Estero. Facultad de
Agronomía, Universidad de Buenos Aires, Argentina.
Carpenter, S. R., H. A. Mooney, J. Agard, D. Capistrano, R. S. Defries, S. Diaz, T.
Dietz, A. K. Duraiappah, A. Oteng-Yeboah, H. M. Pereira, C. Perrings, W. V Reid,
J. Sarukhan, R. J. Scholes, y A. Whyte. 2009. Science for managing ecosystem
services: Beyond the Millennium Ecosystem Assessment. Proceedings of the
National Academy of Sciences of the United States of America 106(5):1305–1312.
Carreño, L., F. C. Frank, y E. F. Viglizzo. 2012. Tradeoffs between economic and
ecosystem services in Argentina during 50 years of land-use change. Agriculture,
Ecosystems and Environment 154:68–77.
Challies, E., J. Newig, y A. Lenschow. 2014. What role for social–ecological systems
research in governing global teleconnections? Global Environmental Change
27:32–40.
Chapin, F. S., C. Folke, y G. P. Kofinas. 2009. A Framework for Understanding
Change. Página Principles of Ecosystem Stewardship. Springer New York, New
York, NY.
Chapin, M., Z. Lamb, y B. Threlkeld. 2005. Mapping Indigenous Lands. Annual
Review of Anthropology 34:619–638.
Cilliers, P. 2001. Boundaries, hierarchies and networks in complex systems.
International Journal of Innovation Management 5(2):135–147.
Ciuffoli, L. 2013. Cambios en el uso del suelo y sus efectos sobre la materia orgánica
edáfica en bosques semiáridos del Chaco argentino. Facultad de Agronomía,
Universidad de Buenos Aires, Argentina.
Clapham, M. 1930. Botanical Society of Northern Ireland. Coastal Survey No. II.
Ballyholme Bay to Carnalea. The Irish Naturalists’ Journal 3(3):58–64.
Clark, M. L., T. M. Aide, H. R. Grau, y G. Riner. 2010. A scalable approach to mapping
100
annual land cover at 250 m using MODIS time series data: A case study in the Dry
Chaco ecoregion of South America. Remote Sensing of Environment
114(11):2816–2832.
Costanza, R., R. D‘Arge, R. de Groot, S. Farber, M. Grasso, B. Hannon, K. Limburg, S.
Naeem, R. V. O‘Neill, J. M. Paruelo, R. G. Raskin, P. Sutton, y M. van den Belt.
1997. The value of the world‘s ecosystem services and natural capital. Nature
387(6630):253–260.
Costanza, R., E. Ostrom, B. S. Low, y J. Wilson. 2000. Institutions, ecosystems, and
sustainability. CRC Press. Lewis Publishers.
Crutzen, P. J. 2002. Geology of mankind. Nature 415(6867):23–23.
Cumming, G. S., A. Buerkert, E. M. Hoffmann, E. Schlecht, S. von Cramon-Taubade, y
T. Tscharntke. 2014. Implications of agricultural transitions and urbanization for
ecosystem services. Narure 515(7525):50–57.
Cumming, G. S., D. H. M. Cumming, y C. L. Redman. 2006. Scale Mismatches in
Social-Ecological Systems : Causes , Consequences , and Solutions. Ecology and
Society 11(1):1–14.
Cushman, M. C. N., K. McGarigal, y E. Ene. 2002. FRAGSTATS: Spatial Pattern
Analysis Program for Categorical Maps. Computer software program produced by
the authors at the University of Massachusetts, Amherst.
Daily, G. C. 1997. Nature`s services: Societal Dependence on Natural Ecosystems.
Island Pre. Washington, D.C.
Daily, G. C., y P. A. Matson. 2008. Ecosystem services: from theory to implementation.
Proceedings of the National Academy of Sciences of the United States of America
105(28):9455–6.
Daily, G. C., S. Polasky, J. Goldstein, P. M. Kareiva, H. a. Mooney, L. Pejchar, T. H.
Ricketts, J. Salzman, y R. Shallenberger. 2009. Ecosystem services in decision
making: Time to deliver. Frontiers in Ecology and the Environment 7(1):21–28.
Daw, T., K. Brown, S. Rosendo, y R. Pomeroy. 2011. Applying the ecosystem services
concept to poverty alleviation: the need to disaggregate human well-being.
Environmental Conservation 38(4):370–379.
Defensor del Pueblo de la Nación. 2009. Deforestación en la Provincia de Salta.
Consecuencias Biológicas y Sociales. Informe especial.
Diaz, S., y M. Cabido. 1997. Plant functional types and ecosystem function in relation
to global change. Journal of Vegetation Science 8(4):463–474.
Díaz, S., S. Demissew, J. Carabias, C. Joly, M. Lonsdale, N. Ash, A. Larigauderie, J. R.
Adhikari, S. Arico, A. Báldi, A. Bartuska, I. A. Baste, A. Bilgin, K. M. Chan, V. E.
Figueroa, A. Duraiappah, M. Fischer, R. Hill, T. Koetz, P. Leadley, P. Lyver, G.
M. Mace, B. Martin-Lopez, M. Okumura, D. Pacheco, U. Pascual, E. S. Pérez, B.
Reyers, E. Roth, O. Saito, R. J. Scholes, N. Sharma, H. Tallis, R. Thaman, R.
Watson, T. Yahara, Z. A. Hamid, C. Akosim, Y. Al-Hafedh, R. Allahverdiyev, E.
Amankwah, S. T. Asah, Z. Asfaw, G. Bartus, L. A. Brooks, J. Caillaux, G. Dalle,
D. Darnaedi, A. Driver, G. Erpul, P. Escobar-Eyzaguirre, P. Failler, A. M. M.
Fouda, B. Fu, H. Gundimeda, S. Hashimoto, F. Homer, S. Lavorel, G.
Lichtenstein, W. A. Mala, W. Mandivenyi, P. Matczak, C. Mbizvo, M. Mehrdadi,
J. P. Metzger, J. B. Mikissa, H. Moller, H. A. Mooney, P. Mumby, H. Nagendra,
101
C. Nesshover, A. A. Oteng-Yeboah, G. Pataki, M. Roué, J. Rubis, M. Schultz, P.
Smith, R. Sumaila, K. Takeuchi, S. Thomas, M. Verma, Y. Yeo-Chang, y D.
Zlatanova. 2015. The IPBES Conceptual Framework — connecting nature and
people. Current Opinion in Environmental Sustainability 14:1–16.
Díaz, S., S. Lavorel, F. De Bello, F. Quétier, K. Grigulis, y T. M. Robson. 2007.
Incorporating plant functional diversity effects in ecosystem service assessments.
Proceedings of the National Academy of Sciences of the United States of America
104(52):20684–20689.
Díaz, S., F. Quétier, D. M. Cáceres, S. F. Trainor, N. Pérez-Harguindeguy, M. S. Bret-
Harte, B. Finegan, M. Peña-Claros, y L. Poorter. 2011. Linking functional diversity
and social actor strategies in a framework for interdisciplinary analysis of nature‘s
benefits to society. Proceedings of the National Academy of Sciences of the United
States of America 108(3):895–902.
Dros, J. M. 2004. Managing the soy boom: Two scenarios of soy production expansion
in South America,. AIDEnviron. Amsterdam.
Duraiappah, A. 1996. Poverty and Environmental Degradation: A Literature Review
and Analysis. Amsterdam.
Eckert, S., F. Hüsler, H. Liniger, y E. Hodel. 2015. Trend analysis of MODIS NDVI
time series for detecting land degradation and regeneration in Mongolia. Journal of
Arid Environments 113:16–28.
Ellis, E. C., K. K. Goldewijk, S. Siebert, D. Lightman, y N. Ramankutty. 2010.
Anthropogenic transformation of the biomes, 1700 to 2000. Global Ecology and
Biogeography 19:589–606.
Ellis, E. C., y N. Ramankutty. 2008. Putting people in the map: anthropogenic biomes
of the world. Frontiers in Ecology and the Environment 6(8):439–447.
Ewers, R. M. 2006. Interaction effects between economic development and forest cover
determine deforestation rates. Global Environmental Change 16(2):161–169.
FAO. 1995. Forest Resources Assessment 1990, Global Synthesis. FAO, Rome.
FAO. 1997. Zonificacion agro-ecologica : guia general. Organización de las Naciones
Unidas para la Agricultura y la Alimentación, Roma.
FAO. 2002. Expert Meeting on Harmonizing forest-related definitions for use by
various stakeholders. Intergovernmental Panel on Climate Change. Rome, 22-25
January 2002.
FAO. 2009. State of the World´s Forests. Página (Food Agriculture Organization of the
United Nations, editor). Roma, Italia,.
FAOSTAT. 2010. Database online.
Feres, J. C., y X. Mancero. 2001. El método de las necesidades básicas insatisfechas
(NBI) y sus aplicaciones en América Latina. CEPAL, Santiago de Chile.
Fernández, N., J. M. Paruelo, y M. Delibes. 2010. Ecosystem functioning of protected
and altered Mediterranean environments: A remote sensing classification in
Doñana, Spain. Remote Sensing of Environment 114(1):211–220.
Fisher, B., y R. K. Turner. 2008. Ecosystem services: Classification for valuation.
Biological Conservation 141:1167–1169.
102
Fisher, B., R. K. Turner, y P. Morling. 2009. Defining and classifying ecosystem
services for decision making. Ecological Economics 68(3):643–653.
Fisher, M. 2004. Household welfare and forest dependence in Southern Malawi.
Environment and Development Economics 9(2):135–154.
Foley, J. A., R. Defries, G. P. Asner, C. Barford, G. Bonan, S. R. Carpenter, F. S.
Chapin, M. T. Coe, G. C. Daily, H. K. Gibbs, J. H. Helkowski, T. Holloway, E. A.
Howard, C. J. Kucharik, C. Monfreda, J. A. Patz, I. C. Prentice, N. Ramankutty, y
P. K. Snyder. 2005. Global consequences of land use. Science 309(5734):570–4.
Folke, C., L. Pritchard, F. Berkes, J. Colding, y U. Svedin. 2007. The Problem of Fit
between Ecosystems and Institutions: Ten Years Later. Ecology and Society
12(1):30.
Freeman, R. E. 1984. Strategic management: a stakeholder approach. Pitman pre.
Boston.
Freidenburg, T. L., B. A. Menge, P. M. Halpin, M. Webster, y A. Sutton-Grier. 2007.
Cross-scale variation in top-down and bottom-up control of algal abundance.
Journal of Experimental Marine Biology and Ecology 347(1):8–29.
Friedman, A. L., y S. Miles. 2006. Stakeholders: Theory and Practice. Oxford Uni.
Oxford, UK.
Friis, C., J. Ø. Nielsen, I. Otero, H. Haberl, J. Niewöhner, y P. Hostert. 2016. From
teleconnection to telecoupling: taking stock of an emerging framework in land
system science. Journal of Land Use Science 11(2):131–153.
Fundación Avina. 2012. Informe Final Técnico años 2010-1012. Monitoreo de los
cambios de uso de la tierra, incendios e inundaciones del gran chaco. Asunción.
Funk, C., P. Peterson, M. Landsfeld, D. Pedreros, J. Verdin, S. Shukla, G. Husak, J.
Rowland, L. Harrison, A. Hoell, y J. Michaelsen. 2015. The climate hazards
infrared precipitation with stations—a new environmental record for monitoring
extremes. Scientific Data 2:150066.
Future Earth. 2013. Future Earth initial design: report of the transition team. Página
International Council for Science (ICSU). Paris, France.
García-Nieto, A. P., M. García-Llorente, I. Iniesta-Arandia, y B. Martín-López. 2013.
Mapping forest ecosystem services: From providing units to beneficiaries.
Ecosystem Services 4:126–138.
García Collazo, M. A., A. Panizza, y J. M. Paruelo. 2013. Ordenamiento territorial de
bosques nativos: Resultados de la zonifcación realizada por provincias del norte
Argentino. Ecologia Austral 23(2):97–107.
García Collazo, M. A., y J. M. Paruelo. 2014. Capítulo 18: Ordenamiento territorial de
bosques nativos: resultados de la zonificación en la Argentina. Página 574en J. M.
et al Paruelo, editor.Ordenamiento Territorial: Conceptos, Métodos y
Experiencias. FAO, MAGyP y FAUBA, Buenos Aires, Argentina.
Gasparri, N. I. 2016. The Transformation of Land-Use Competition in the Argentinean
Dry Chaco Between 1975 and 2015. Páginas 59–73en J. Niewöhner, A. Bruns, P.
Hostert, T. Krueger, J. Ø. Nielsen, H. Haberl, C. Lauk, J. Lutz, y D. Müller,
editores.Land Use Competition: Ecological, Economic and Social Perspectives.
Berlin, Germany.
103
Gasparri, N. I., y G. Baldi. 2013. Regional patterns and controls of biomass in semiarid
woodlands: Lessons from the Northern Argentina Dry Chaco. Regional
Environmental Change 13(6):1131–1144.
Gasparri, N. I., y H. R. Grau. 2009. Forest Ecology and Management Deforestation and
fragmentation of Chaco dry forest in NW Argentina ( 1972 – 2007 ). Forest
Ecology and Management 258:913–921.
Gasparri, N. I., H. R. Grau, y J. Gutiérrez Angonese. 2013. Linkages between soybean
and neotropical deforestation: Coupling and transient decoupling dynamics in a
multi-decadal analysis. Global Environmental Change 23(6):1605–1614.
Gasparri, N. I., H. R. Grau, y E. Manghi. 2008. Carbon Pools and Emissions from
Deforestation in Extra-Tropical Forests of Northern Argentina Between 1900 and
2005. Ecosystems 11(8):1247–1261.
Gasparri, N. I., T. Kuemmerle, P. Meyfroidt, Y. le Polain de Waroux, y H. Kreft. 2016.
The Emerging Soybean Production Frontier in Southern Africa: Conservation
Challenges and the Role of South-South Telecouplings. Conservation Letters
9(1):21–31.
GCOS. 2004. Implementation plan for the Global Observing System for climate in
support of the UNFCCC. GCOS-92 (WMO/TD No. 1219) Geneva: Global climate
Observing system.
GEOBON. 2013. Group on Earth Observations. Biodiversity Observation Network.
Ecosystem Services Working Group. http://geobon.org/.
Giarracca, N., y M. Teubal. 2010. Del paro agrario a las elecciones de 2009: tramas,
reflexiones y debates. Antropofagia, Buenos Aires.
Giarracca, N., M. Teubal, y T. Palmisano. 2008. Paro agrario: crónica de un conflicto
alargado. Realidad Económica 237:33–54.
Gibbs, H. K., A. S. Ruesch, F. Achard, M. K. Clayton, P. Holmgren, N. Ramankutty, y
J. A. Foley. 2010. Tropical forests were the primary sources of new agricultural
land in the 1980s and 1990s. Proceedings of the National Academy of Sciences of
the United States of America 107(38):16732–7.
Gibson, C. C., E. Ostrom, y T. K. Ahn. 2000. The concept of scale and the human
dimensions of global change: a survey. Ecological Economics 32(2):217–239.
Gligo, N. 1986. Medio ambiente en la planificación latinoamericana: vías para una
mayor incorporación. Página La dimensión ambiental en la planificación del
desarrollo. CEPAL/ILPE. Buenos Aires, Argentina.
Gligo, N. 2006. Estilos de desarrollo y medio ambiente en América latina, un cuarto de
siglo después.
GOFC-GOLD. 2007. Global Observation of forests and land cover dynamics.
http://www.fao.org/gtos/gofc-gold/index.html.
Grau, H. R., T. M. Aide, y N. I. Gasparri. 2005. Globalization and Soybean Expansion
into Semiarid Ecosystems of Argentina. AMBIO: A Journal of the Human
Environment 34(3):265–266.
Grau, H. R., N. I. Gasparri, y T. M. Aide. 2008. Balancing food production and nature
conservation in the Neotropical dry forests of northern Argentina. Global Change
Biology 14(5):985–997.
104
Green, R. E., S. J. Cornell, J. P. W. Scharlemann, y A. Balmford. 2005. Farming and the
fate of wild nature. Science (New York, N.Y.) 307(5709):550–555.
Griggs, D., M. Stafford-Smith, O. Gaffney, J. Rockström, M. C. Öhman, P.
Shyamsundar, W. Steffen, G. Glaser, N. Kanie, y I. Noble. 2013. Policy:
Sustainable development goals for people and planet. Nature 495(7441):305–307.
Grime, J. P. 2001. Plant strategies, vegetation processes, and ecosystem properties.
Wiley, Chichester.
de Groot, R. S., R. Alkemade, L. Braat, L. Hein, y L. Willemen. 2010. Challenges in
integrating the concept of ecosystem services and values in landscape planning,
management and decision making. Ecological Complexity 7(3):260–272.
Haines-Young, R. H., y M. B. Potschin. 2009. The links between biodiversity,
ecosystem services and human well-being. Ecosystems ecology: a new
synthesis:31.
Hamann, M., R. Biggs, y B. Reyers. 2015. Mapping social–ecological systems:
Identifying ―green-loop‖ and ―red-loop‖ dynamics based on characteristic bundles
of ecosystem service use. Global Environmental Change 34:218–226.
Hansen, M. C., P. V Potapov, R. Moore, M. Hancher, S. A. Turubanova, A. Tyukavina,
D. Thau, S. V Stehman, S. J. Goetz, T. R. Loveland, A. Kommareddy, A. Egorov,
L. Chini, C. O. Justice, y J. R. G. Townshend. 2013. High-resolution global maps
of 21st-century forest cover change. Science (New York, N.Y.) 342(6160):850–3.
Harvey, D. 2003. The new imperialism. Oxford Uni. Oxford, UK.
Hein, L. 2010. The Economics of Ecosystems: Effi ciency, Sustainability and Equity in
Ecosystem Management. Edward Elg.
Hein, L., C. S. A. (Kris) van Koppen, E. C. van Ierland, y J. Leidekker. 2016. Temporal
scales, ecosystem dynamics, stakeholders and the valuation of ecosystems services.
Ecosystem Services 21:109–119.
Herlihy, P. H., y G. Knapp. 2003. Maps of, by, and for the Peoples of Latin America.
Human Organization 62(4):303–314.
Hijmans, R. J., S. E. Cameron, J. L. Parra, P. G. Jones, y A. Jarvis. 2005. Very high
resolution interpolated climate surfaces for global land areas. International Journal
of Climatology 25(15):1965–1978.
Hogan, D., G. Arthaud, D. Brookshire, T. Gunther, S. Pincetl, C. Shapiro, y B. Van
Horne. 2011. Developing an institutional framework to incorporate ecosystem
services into decision making—Proceedings of a workshop. Página U.S.
Geological Survey, Reston, VA.
Houspanossian, J., R. Giménez, E. Jobbágy, y M. Nosetto. 2017. Surface albedo raise in
the South American Chaco: Combined effects of deforestation and agricultural
changes. Agricultural and Forest Meteorology 232:118–127.
Huang, C., S. Kim, K. Song, J. R. G. Townshend, P. Davis, A. Altstatt, O. Rodas, A.
Yanosky, R. Clay, C. J. Tucker, y J. Musinsky. 2009. Assessment of Paraguay‘s
forest cover change using Landsat observations. Global and Planetary Change
67(1):1–12.
Huete, A., K. Didan, T. Miura, E. . Rodriguez, X. Gao, y L. . Ferreira. 2002. Overview
of the radiometric and biophysical performance of the MODIS vegetation indices.
105
Remote Sensing of Environment 83(1):195–213.
Hufty, M. 2008. Pizarro Protected Area: A Political Ecology Perspective on Land Use,
Soybeans and Argentina‘s Nature Conservation Policy. People, Protected Areas
and Global Change: Participatory Conservation in Latin America, Africa, Asia
And Europe.
Hunter, M. D., y P. W. Price. 1992. Playing Chutes and Ladders: Heterogeneity and the
Relative Roles of Bottom-Up and Top- Down Forces in Natural Communities.
Ecology 73(733):724–732.
INDEC. 2002. Censo Nacional de Población, Hogares y Viviendas 2002.
INDEC. 2010. Censo Nacional de Población, Hogares y Viviendas 2010. Censo del
Bicentenario. Argentina.
IPBES. 2013. Intergovernmental Science-Policy Platform on Biodiversity and
Ecosystem Services. Draft Work Programme 2014–2018. http://www.ipbes.net.
Jobbágy, E. G., M. D. M. M. D. Nosetto, C. S. Santoni, G. Baldi, S. CS, G. Baldi, C. S.
Santoni, y G. Baldi. 2008. El desafío ecohidrológico de las transiciones entre
sistemas leñosos y herbáceos en la llanura Chaco-Pampeana. Ecologia Austral
18(5700):305–322.
Kareiva, P., H. Tallis, T. H. Ricketts, G. C. Daily, y S. Polasky. 2011. Natural Capital:
Theory and Practice of Mapping Ecosystem Services. Oxford University Press,
New York, USA.
Kastner, T., M. J. I. Rivas, W. Koch, y S. Nonhebel. 2012. Global changes in diets and
the consequences for land requirements for food. Proceedings of the National
Academy of Sciences of the United States of America 109(18):6868–72.
Killeen, T. J., A. Guerra, M. Calzada, L. Correa, V. Calderon, L. Soria, B. Quezada, y
M. K. Steininger. 2008. Total historical land-use change in eastern Bolivia: Who,
where, when, and how much? Ecology and Society 13(1).
Krapovickas, J., L. Sacchi, y R. Hafner. 2016. Firewood supply and consumption in the
context of agrarian change: the Northern Argentine Chaco from 1990 to 2010.
International Journal of the Commons 10(1):220–243.
Kremen, C. 2005. Managing ecosystem services: What do we need to know about their
ecology? Ecology Letters 8(5):468–479.
Lambin, E. F., X. Baulies, N. Bockstael, G. Fischer, T. Krug, R. Leemans, E. F. Moran,
R. R. Rindfuss, Y. Sato, D. Skole, B. L. Turner II, y C. Vogel. 1999. Land-use and
land-cover change (LUCC):Implementa tion strategy. IGBP Report No. 48, IHDP
Report No. 10. Stockholm, Bonn.
Lambin, E. F., H. K. Gibbs, L. Ferreira, R. Grau, P. Mayaux, P. Meyfroidt, D. C.
Morton, T. K. Rudel, I. Gasparri, y J. Munger. 2013. Estimating the world‘s
potentially available cropland using a bottom-up approach. Global Environmental
Change 23(5):892–901.
Lambin, E. F., y P. Meyfroidt. 2011a. Global land use change, economic globalization,
and the looming land scarcity. Proceedings of the National Academy of Sciences of
the United States of America 108(9):3465–72.
Lambin, E. F., y P. Meyfroidt. 2011b. Global land use change, economic globalization,
and the looming land scarcity. Proceedings of the National Academy of Sciences
106
108(9):3465–3472.
Langbehn, L. 2014. Conflictos y controversias por el Ordenamiento Territorial de
Bosques Nativos en Salta. La cuestión ambiental y el control sobre el territorio.
Páginas 223–254en M. G. Merlinsky, editor.Cartografías del conflicto ambiental
en Argentina. CICCUS, CLACSO, Buenos Aires, Argentina.
Larrea, F., C. Flora, M. Ordoñez, S. Chancay, S. Báez, y F. Guerrero. 1998. Una
tipología de las estrategias productivas familiares para la agricultura sustentable y
el manejo de los recursos naturales. Página Tercer Simposio Latinoamericano
sobre Investigación y Extensión en Sistemas Agropecuarios (IESA-AL III). Lima.
Laterra, P., P. . Barral, A. Carmona, y L. Nahuelhual. 2015. ECOSER - Protocolo
colaborativo de evaluación y mapeo de servicios ecosistémicos y vulnerabilidad
socio ecológica para el ordenamiento territorial. Documento introductorio.
Versión 2.0.
Laterra, P., E. G. Jobbágy, y J. M. Paruelo. 2011. Valoración de Servicios
Ecosistémicos: Conceptos, herramientas y aplicaciones para el ordenamiento
territorial. Ediciones INTA, Buenos Aires, Argentina.
Leake, A. 2008. Los pueblos indigenas cazadores-recolectores del Chaco Salteño:
población, economía y tierras. Fundación Asociana: Instituto Nacional de Asuntos
Indígenas, Universidad Nacional de Salta, Salta, Argentina.
Leake, A. (coordinador), editor. 2010. Los pueblos indígenas cazadores-recolectores
del Chaco salteño: población, economía y tierras. Fundación ASOCIANA,
Instituto Nacional de Asuntos Indígenas y Universidad Nacional de Salta, Salta,
2010. Página Journal de la société des américanistes. Fundación ASOCIANA,
Instituto Nacional de Asuntos Indígenas y Universidad Nacional de Salta, Salta.
Lee, S.-J., E. H. Berbery, y D. Alcaraz-Segura. 2013. The impact of ecosystem
functional type changes on the La Plata Basin climate. Advances in Atmospheric
Sciences 30(5):1387–1405.
Letourneau, A., P. H. Verburg, y E. Stehfest. 2012. A land-use systems approach to
represent land-use dynamics at continental and global scales. Environmental
Modelling & Software 33:61–79.
Levers, C., D. Müller, K. Erb, H. Haberl, M. R. Jepsen, M. J. Metzger, P. Meyfroidt, T.
Plieninger, C. Plutzar, J. Stürck, P. H. Verburg, P. J. Verkerk, y T. Kuemmerle.
2015. Archetypical patterns and trajectories of land systems in Europe. Regional
Environmental Change:1–18.
Liebmann, B., C. S. Vera, L. M. V. Carvalho, I. A. Camilloni, M. P. Hoerling, D.
Allured, V. R. Barros, J. Báez, y M. Bidegain. 2004. An Observed Trend in Central
South American Precipitation. Journal of Climate 17(22):4357–4367.
Lin, N. 2001. Social Capital: A Theory of Social Structure and Action. Cambridge
University Press, New York.
Linnaeus, C. 1735. Systema naturae, sive regna tria naturæ systematice proposita per
classes, ordines, genera, & species.
Liu, J., T. Dietz, S. R. Carpenter, M. Alberti, C. Folke, E. Moran, A. N. Pell, P.
Deadman, T. Kratz, J. Lubchenco, E. Ostrom, Z. Ouyang, W. Provencher, C. L.
Redman, S. H. Schneider, y W. W. Taylor. 2007. Complexity of coupled human
and natural systems. Science (New York, N.Y.) 317(5844):1513–6.
107
Longhi, F. 2010. Avances, persistencias y descenso de la miseria en el Chaco
campesino-aborigen. Su relación con algunos procesos territoriales ocurridos
durante la década del ‘90. Mundo Agrario 11(21):1–21.
De López, T. D. 2001. Stakeholder Management for Conservation Projects: A Case
Study of Ream National Park, Cambodia. Environmental Management 28(1):47–
60.
López Beneitez, J. M., J. Montero Serrano, y P. Martinez de Anguita. 2006.
Metodología para la definición de Unidades Territoriales de Gestión como
instrumento operativo para la toma de decisiones territoriales. Páginas 1373–
1385en M. T. Camacho Olmedo, J. A. Cañete Pérez, y J. J. Lara Valle, editores.El
acceso a la información espacial y las nuevas tecnologías geográficas.
Universidad de Granada.
Luck, G. W., G. C. Daily, y P. R. Ehrlich. 2003. Population diversity and ecosystem
services. Evolution 18(7):331–336.
Luck, G. W., R. Harrington, P. A. Harrison, C. Kremen, P. M. Berry, R. Bugter, T. P.
Dawson, F. de Bello, S. Díaz, C. K. Feld, J. R. Haslett, D. Hering, A. Kontogianni,
S. Lavorel, M. Rounsevell, M. J. Samways, L. Sandin, J. Settele, M. T. Sykes, S.
van den Hove, M. Vandewalle, y M. Zobel. 2009. Quantifying the Contribution of
Organisms to the Provision of Ecosystem Services. BioScience 59(3):223–235.
Macchi, L., H. R. Grau, P. V. Zelaya, y S. Marinaro. 2013. Trade-offs between land use
intensity and avian biodiversity in the dry Chaco of Argentina: A tale of two
gradients. Agriculture, Ecosystems and Environment 174:11–20.
Machado, R. B., M. B. Ramos Neto, P. P. Gustavo Pereira, E. F. Caldas, D. A.
Gonçalves, N. S. Santos, K. Tabor, M. Steininger, M. Ramos Neto, P. Pereira, E.
Caldas, D. Gonçalves, N. Santos, y K. M. Tabor Steininger. 2004. Estimativas de
perda da área do Cerrado brasileiro. Relatório técnico não publicado. Conservação
Internacional, Brasília.
Magliano, P. N., R. J. Fernández, E. L. Florio, F. Murray, y E. G. Jobbágy. 2016a. Soil
Physical Changes After Conversion of Woodlands to Pastures in Dry Chaco
Rangelands (Argentina). Rangeland Ecology & Management.
Magliano, P. N., R. J. Fernández, R. Giménez, V. A. Marchesini, R. . Páez, y E. .
Jobbágy. 2016b. Cambios en la partición de flujos de agua en el Chaco Árido al
reemplazar bosques por pasturas. Ecología Austral (25):95–106.
Magliano, P. N., R. J. Fernández, J. L. Mercau, y E. G. Jobbágy. 2014. Precipitation
event distribution in Central Argentina: spatial and temporal patterns.
Ecohydrology:n/a-n/a.
Magliano, P. N., F. Murray, G. Baldi, S. Aurand, R. A. Páez, W. Harder, y E. G.
Jobbágy. 2015. Rainwater harvesting in Dry Chaco: Regional distribution and local
water balance. Journal of Arid Environments 123:93–102.
Mann, H. B. 1945. Nonparametric Tests Against Trend. Econometrica 13(3):245.
Marchesini, V. A., R. J. Fernández, y E. G. Jobbágy. 2013. Salt leaching leads to drier
soils in disturbed semiarid woodlands of central Argentina. Oecologia
171(4):1003–12.
Marchesini, V. A., R. J. Fernández, J. F. Reynolds, J. A. Sobrino, y C. M. Di Bella.
2015. Changes in evapotranspiration and phenology as consequences of shrub
108
removal in dry forests of central Argentina. Ecohydrology 8(7):1304–1311.
Martín-López, B., E. Gómez-Baggethun, M. García-Llorente, y C. Montes. 2014.
Trade-offs across value-domains in ecosystem services assessment. Ecological
Indicators 37(PART A):220–228.
Martín-López, B., E. Gómez-Baggethun, y C. Montes. 2009. Un marco conceptual para
la gestión de las interacciones naturaleza- sociedad en un mundo cambiante.
Cuaderno Interdisciplinar de Desarrollo Sostenible (CUIDES) 9:229–258.
Martín-López, B., C. Montes, y J. Benayas. 2007. The non-economic motives behind
the willingness to pay for biodiversity conservation. Biological Conservation
139(1–2):67–82.
Martin, P. A., A. C. Newton, M. Pfeifer, M. Khoo, y J. M. Bullock. 2015. Impacts of
tropical selective logging on carbon storage and tree species richness: A meta-
analysis. Forest Ecology and Management 356:224–233.
Martínez-Harms, M. J., y P. Balvanera. 2012. Methods for mapping ecosystem service
supply: a review. International Journal of Biodiversity Science, Ecosystem
Services & Management 8(1–2):17–25.
Mastrangelo, M. E., y M. C. Gavin. 2012. Trade-Offs between Cattle Production and
Bird Conservation in an Agricultural Frontier of the Gran Chaco of Argentina.
Conservation Biology 26(6):1040–1051.
Mastrangelo, M. E., y M. C. Gavin. 2014. Impacts of agricultural intensification on
avian richness at multiple scales in Dry Chaco forests. Biological Conservation
179:63–71.
Mastrangelo, M. E., y P. Laterra. 2015. From biophysical to social-ecological trade-
offs: integrating biodiversity conservation and agricultural production in the
Argentine Dry Chaco. Ecology and Society 20(1):art20.
Mastrangelo, M. E., F. Weyland, S. H. Villarino, M. P. Barral, L. Nahuelhual, y P.
Laterra. 2014. Concepts and methods for landscape multifunctionality and a
unifying framework based on ecosystem services. Landscape Ecology 29(2):345–
358.
Mather, A. . 1992. The Forest Transition. Area 24(4):367–379.
Mather, A. S., y C. L. Needle. 1998. The forest transition : a theoretical basis. Area
30:117–124.
Mcdonald, R. I. 2009. Ecosystem service demand and supply along the urban-to-rural
gradient. Journal of Conservation Planning 5(5):1–14.
McNaughton, S. J., M. Oesterheld, D. A. Frank, y K. J. Williams. 1989. Ecosystem-
level patterns of primary productivity and herbivory in terrestrial habitats. Nature
341(6238):142–144.
Mendoza, M., H. Plascencia, C. Alcántara, F. Rosete, y G. Bocco. 2009. Análisis de la
aptitud territorial, una perspectiva biofísica. Universidad Autónoma de México,
Mexico, DF.
Menge, B. A. 2000. Top-down and bottom-up community regulation in marine rocky
intertidal habitats. Journal of Experimental Marine Biology and Ecology 250:257–
289.
109
Menvielle, M. F., A. Auer, F. Calvo, G. Camba, F. García de García, A. Isarria, M.
Lopardo, N. Maceira, P. Martínez, L. Nahuelhual, A. Panizza, C. Pascale, D.
Somma, L. Staiano, y E. Viglizzo. 2015. Capítulo 4: Planificación del
Ordenamiento Territorial Rural. Página 574en J. M. et al Paruelo,
editor.Ordenamiento Territorial: Conceptos, Métodos y Experiencias. FAO,
MAGyP & FAUBA, Buenos Aires, Argentina.
Metzger, M. J., M. D. A. Rounsevell, R. Leemans, y D. Schroter. 2006. The
vulnerability of ecosystem services to land use change. Agriculture, Ecosystems &
Environment 114(1):69–85.
Meyfroidt, P., y E. F. Lambin. 2011. Global Forest Transition: Prospects for an End to
Deforestation. Página Annual Review of Environment and Resources.
Meyfroidt, P., T. K. Rudel, y E. F. Lambin. 2010. Forest transitions, trade, and the
global displacement of land use. Proceedings of the National Academy of Sciences
of the United States of America 107(49):20917–22.
Millennium Ecosystem Assessment. 2005. Ecosystems and human well-being:
synthesis. Página Island Press; Washington D.C., USA. Oxford University Press,
New York, USA.
Minetti, J. L. 1999. Atlas Climático del Noroeste Argentino. Laboratorio Climatológico
Sudamericano. Página (F. Z. Caldenius, editor). Tucumán, Argentina.
Ministerio de Agricultura. 2010. BASES PARA EL ORDENAMIENTO DEL
TERRITORIO RURAL ARGENTINO. Página (M. Pascale, D. Ligier, M. Taboada,
E. Viglizzo, J. M. Paruelo, M. Román, C. Reboratti, E. Elustondo, y P. Laterra,
editores). Buenos Aires, Argentina.
Morales-Barquero, L., A. Borrego, M. Skutsch, C. Kleinn, y J. R. Healey. 2015.
Identification and quantification of drivers of forest degradation in tropical dry
forests: A case study in Western Mexico. Land Use Policy 49:296–309.
Morello, J., S. D. Matteucci, A. F. Rodriguez, y M. E. Silva. 2012. Ecorregiones y
complejos ecosistemicos argentinos. Página (F. de A. D. y Urbanismo, editor).
Buenos Aires, Argentina.
Morello, J., W. Pengue, y A. Rodriguez. 2005. Etapas de uso de los recursos y
desmantelamiento de la biota del Chaco. Fronteras 4:1–17.
Müller, O. V., E. H. Berbery, D. Alcaraz-Segura, M. B. Ek, O. V. Müller, E. H.
Berbery, D. Alcaraz-Segura, y M. B. Ek. 2014. Regional Model Simulations of the
2008 Drought in Southern South America Using a Consistent Set of Land Surface
Properties. Journal of Climate 27(17):6754–6778.
Müller, R., D. Müller, F. Schierhorn, G. Gerold, y P. Pacheco. 2012. Proximate causes
of deforestation in the Bolivian lowlands: an analysis of spatial dynamics.
Regional Environmental Change 12(3):445–459.
Murmis, M., y M. R. Murmis. 2012. Land concentration and foreign land ownership in
Argentina in the context of global land grabbing. Canadian Journal of
Development Studies/Revue canadienne d’études du développement 33(4):490–
508.
Naumann, M. 2006. Atlas del Gran Chaco Sudamericano.
Nelson, E. J., y G. C. Daily. 2010. Modelling ecosystem services in terrestrial systems.
110
F1000 biology reports 2(July):53.
Nepstad, D. C., C. M. Stickler, y O. T. Almeida. 2006. Globalization of the Amazon
Soy and Beef Industries: Opportunities for Conservation. Conservation Biology
20(6):1595–1603.
Noble, I. R., y H. Gitay. 1996. A functional classification for predicting the dynamics of
landscapes. Journal of Vegetation Science 7(3):329–336.
Nosetto, M. D., E. G. Jobbágy, A. B. Brizuela, y R. B. Jackson. 2011. The hydrologic
consequences of land cover change in central Argentina. Agriculture, Ecosystems
& Environment:1–10.
Nosetto, M. D., E. G. Jobbágy, A. B. Brizuela, y R. B. Jackson. 2012. The hydrologic
consequences of land cover change in central Argentina. Agriculture, Ecosystems
& Environment 154:2–11.
O`Neill, R. V., R. H. Gardener, y M. G. Turner. 1992. A hierarchical neutral model for
landscape analysis. Landscape Ecology 7(1):55–61.
Oesterheld, M. 2008. Impacto de la agricultura sobre los ecosistemas. Fundamentos
ecológicos y problemas más relevantes. Ecologia Austral 18(3):337–346.
Olson, D. M., E. Dinerstein, E. D. Wikramanayake, N. D. Burgess, G. V. N. Powell, E.
C. Underwood, J. A. D‘amico, I. Itoua, H. E. Strand, J. C. Morrison, C. J. Loucks,
T. F. Allnutt, T. H. Ricketts, Y. Kura, J. F. Lamoreux, W. W. Wettengel, P. Hedao,
y K. R. Kassem. 2001. Terrestrial Ecoregions of the World: A New Map of Life on
Earth. BioScience 51(11):933.
Ostrom, E. 2007. A diagnostic approach for going beyond panaceas. Proceedings of the
National Academy of Sciences 104(39):15181–15187.
Ostrom, E. 2009. A General Framework for Analyzing Sustainability of Social-
Ecological Systems. Science 325(5939):419–422.
Pacheco, P. 2004. Las fronteras agrícolas en el trópico boliviano: entre las situaciones
heredadas y los desafíos del presente. Indonesia: Brasil.
Pacheco, P., y B. Mertens. 2004. Land use change and agriculture development in Santa
Cruz, Bolivia. Bois et Forets des Tropiques 280.
Palomo, I., C. Montes, B. Martin-Lopez, J. A. Gonzalez, M. Garcia-Llorente, P.
Alcorlo, y M. R. G. Mora. 2014. Incorporating the Social-Ecological Approach in
Protected Areas in the Anthropocene. BioScience 64(3):181–191.
Paolasso, P., A. Bolsi, I. Gasparri, y F. Longhi. 2012. La pobreza en el nordeste
argentino: cambios y persistencias durante la primera década del siglo XXI. Página
111–136. Estudios y contribuciones en homenaje a la doctora Norma Cristina
Meichtry. Ed. Con Texto., Resistencia.
Paruelo, J. M. 2008. La caracterización funcional de ecosistemas mediante sensores
remotos. Ecosistemas 17(3):4–22.
Paruelo, J. M. 2011. Valoración de Servicios Ecosistémicos y planificación del uso del
territorio ¿Es necesario hablar de dinero? Páginas 121–140en P. Laterra, E. G.
Jobbágy, y J. . Paruelo, editores.Valoración de Servicios Ecosistémicos.
Conceptos, herramientas y aplicaciones para el ordenamiento territorial. INTA.
Buenos Aires.
111
Paruelo, J. M., R. a. Golluscio, J. P. Guerschman, A. Cesa, V. V. Jouve, y M. F.
Garbulsky. 2004. Regional scale relationships between ecosystem structure and
functioning: the case of the Patagonian steppes. Global Ecology and Biogeography
13(5):385–395.
Paruelo, J. M., J. P. Guerschman, G. Piñeiro, E. G. Jobbágy, S. Veron, G. Baldi, y S.
Baeza. 2006. Cambios en el uso de la tierra en Argentina y Uruguay: Marcos
Conceptuales para su análisis. Agrociencia X:47–61.
Paruelo, J. M., E. G. Jobbágy, P. Laterra, H. Dieguez, M. A. García Collazo, y A.
Panizza. 2014. Ordenamiento Territorial Rural: Conceptos, métodos y
experiencias. FAO, MAGyP & FAUBA, Buenos Aires, Argentina.
Paruelo, J. M., E. G. Jobbágy, y O. E. Sala. 2001. Current Distribution of Ecosystem
Functional Types in Temperate South America. Ecosystems 4:683–698.
Paruelo, J. M., M. Texeira, L. Staiano, M. Mastrángelo, L. Amdan, y F. Gallego. 2016.
An integrative index of Ecosystem Services provision based on remotely sensed
data. Ecological Indicators 71:145–154.
Paruelo, J. M., y M. Vallejos. 2013. Ecosystem Services related to C dynamics: its
evaluation using Remote Sensing techniques. Página en C. Di Bella, D. Alcaraz
Segura, y J. Straschnoy, editores. Earth Observation of Ecosystem Services. Taylor
& Francis Books.
Paruelo, J. M., S. R. Verón, J. N. M. Volante, L. Seghezzo, M. Vallejos, S. Aguiar, L.
Amdan, P. Baldassini, L. Ciuffolif, N. Huykman, B. Davanzo, E. González, J.
Landesmann, D. Picardi, L. Ciuffoli, N. Hukman, B. Davanzo, E. González, J.
Landesman, y D. Picardi. 2011. Elementos conceptuales y metodológicos para la
evaluación de impactos ambientales acumulativos (EIAAc) en bosques
subtropicales: El caso del este de Salta, Argentina. Ecología Austral 21(2):163–
178.
Peterson, G., C. R. Allen, y C. S. Holling. 1998. Ecological Resilience, Biodiversity,
and Scale. Ecosystems 1:6–18.
Pfeifer, M., L. Kor, R. Nilus, E. Turner, J. Cusack, I. Lysenko, M. Khoo, V. K. Chey,
A. C. Chung, y R. M. Ewers. 2016. Mapping the structure of Borneo‘s tropical
forests across a degradation gradient. Remote Sensing of Environment 176:84–97.
Pielke, R., G. Marland, R. Betts, T. Chase, J. Eastman, J. Niles, D. Niyogi, y S.
Running. 2002. The influence of land-use change and landscape dynamics on the
climate system: relevance to climate-change policy beyond the radiative effect of
greenhouse gases. Phil. Trans. R. Soc. Lond. A 360:1705–1719.
Pinto-Ledezma, J. N., y M. L. Rivero Mamani. 2013. Temporal patterns of deforestation
and fragmentation in lowland Bolivia: implications for climate change. Climatic
Change:1–12.
Pinto-Ledezma, J. N., y M. L. Rivero Mamani. 2014. Temporal patterns of deforestation
and fragmentation in lowland Bolivia: implications for climate change. Climatic
Change 127(1):43–54.
Piquer-Rodríguez, M., S. Torella, G. Gavier-Pizarro, J. Volante, D. Somma, R.
Ginzburg, y T. Kuemmerle. 2015. Effects of past and future land conversions on
forest connectivity in the Argentine Chaco. Landscape Ecology 30(5):817–833.
Le Polain de Waroux, Y., R. D. Garrett, R. Heilmayr, y E. F. Lambin. 2016. Land-use
112
policies and corporate investments in agriculture in the Gran Chaco and
Chiquitano. Proceedings of the National Academy of Sciences 113(15):4021–4026.
Quétier, F., E. Tapella, G. Conti, D. Cáceres, S. Díaz, S. Quétier, Fabien. Tapella,
Esteban. Conti, Georgina. Cáceres, Daniel. Díaz, F. Q, E. T, G. C, y D. C. 2007.
Servicios ecosistémicos y actores sociales . Aspectos conceptuales y
metodológicos para un estudio interdisciplinario. Gaceta Ecológica número
especial 84–85:17–26.
Rapport, D. J., R. Costanza, y A. J. McMichael. 1998. Assessing ecosystem health.
Trends in Ecology & Evolution 13(10):397–402.
Raudsepp-Hearne, C., G. D. Peterson, y E. M. Bennett. 2010. Ecosystem service
bundles for analyzing tradeoffs in diverse landscapes. Proceedings of the National
Academy of Sciences 107(11):5242–5247.
Raunkiær, C. 1934. The Life Forms of Plants and Statistical Plant Geography. Oxford
Uni.
Reardon, T., y S. Vosti. 1995. Links between rural poverty and the environment in
developing countries. Página Encuentro Internacional RIMISP VII. Turrialba,
Costa Rica.
Redaf. 2010. Conflictos sobre Tenencia de Tierra y Ambientales en la Región del Chaco
argentino.
Redaf. 2012. Monitoreo de Deforestación en los Bosques Nativos de la Región
Chaqueña Argentina.
Redo, D. J., H. R. Grau, T. M. Aide, y M. L. Clark. 2012. Asymmetric forest transition
driven by the interaction of socioeconomic development and environmental
heterogeneity in Central America. Proceedings of the National Academy of
Sciences 109(23):8839–8844.
Reed, M. S., A. Graves, N. Dandy, H. Posthumus, K. Hubacek, J. Morris, C. Prell, C. H.
Quinn, y L. C. Stringer. 2009. Who‘s in and why? A typology of stakeholder
analysis methods for natural resource management. Journal of Environmental
Management 90(5):1933–1949.
Resilience Alliance. 2010. Assessing Resilience in Social-Ecological Systems:
Workbook for Practitioners. Página (A. Kinzig, A. Quinlan, B. Walker, G.
Cundhill, C. Beier, B. Crona, y Ö. Bodin, editores).
Richards, P. D., R. J. Myers, S. M. Swinton, y R. T. Walker. 2012. Exchange rates,
soybean supply response, and deforestation in South America. Global
Environmental Change 22(2):454–462.
Riitters, K. H., R. V. O‘Neill, C. T. Hunsaker, J. D. Wickham, D. H. Yankee, S. P.
Timmins, K. B. Jones, y B. L. Jackson. 1995. A factor analysis of landscape
pattern and structure metrics. Landscape Ecology 10(1):23–39.
Rivas, A. I., y J. J. Rivas. 2009. La distribución de la tierra en el norte grande
argentino : persistencias y cambios. Baetica 31:91–113.
Rockström, J., W. Steffen, K. Noone, Å. Persson, F. S. Chapin, E. F. Lambin, T. M.
Lenton, M. Scheffer, C. Folke, H. J. Schellnhuber, B. Nykvist, C. A. de Wit, T.
Hughes, S. van der Leeuw, H. Rodhe, S. Sörlin, P. K. Snyder, R. Costanza, U.
Svedin, M. Falkenmark, L. Karlberg, R. W. Corell, V. J. Fabry, J. Hansen, B.
113
Walker, D. Liverman, K. Richardson, P. Crutzen, y J. A. Foley. 2009. A safe
operating space for humanity. Nature 461(7263):472–475.
Rodríguez, J. P., T. D. Beard, E. M. Bennett, G. S. Cumming, S. J. Cork, J. Agard, A. P.
Dobson, y G. D. Peterson. 2006. Trade-offs across Space, Time, and Ecosystem
Services. Ecology and Society 11(1).
Román, M. E., y M. C. González. 2016. Transformaciones agrarias argentinas durante
las últimas décadas. Una visión desde Santiago del Estero y Buenos Aires. EFA,
Buenos Aires, Argentina.
Root, R. B. 1967. The Niche Exploitation Pattern of the Blue-Gray Gnatcatcher.
Ecological Monographs 37(4):317–350.
Rounsevell, M. D. A., B. Pedroli, K.-H. Erb, M. Gramberger, A. Gravsholt Busck, H.
Haberl, S. Kristensen, T. Kuemmerle, S. Lavorel, M. Lindner, H. Lotze-Campen,
M. J. Metzger, D. Murray- Rust, A. Popp, M. P.rez-Soba, A. Reenberg, A.
Vadineanu, P. H. Verburg, y B. Wolfslehner. 2012. Challenges for land system
science. Land Use Policy 29:899–910.
Ruckelshaus, M., E. McKenzie, H. Tallis, A. Guerry, G. Daily, P. Kareiva, S. Polasky,
T. Ricketts, N. Bhagabati, S. A. Wood, y J. Bernhardt. 2015. Notes from the field:
Lessons learned from using ecosystem service approaches to inform real-world
decisions. Ecological Economics 115:11–21.
Sacchi, L. V., y N. I. Gasparri. 2016. Impacts of the deforestation driven by
agribusiness on urban population and economic activity in the Dry Chaco of
Argentina. Journal of Land Use Science 11(5):523–537.
Salazar, A., G. Baldi, M. Hirota, J. Syktus, y C. McAlpine. 2015. Land use and land
cover change impacts on the regional climate of non-Amazonian South America: A
review. Global and Planetary Change 128:103–119.
Salazar, A., J. Katzfey, M. Thatcher, J. Syktus, K. Wong, y C. McAlpine. 2016.
Deforestation changes land–atmosphere interactions across South American
biomes. Global and Planetary Change 139:97–108.
Scheffer, M., W. Brock, y F. Westley. 2000. Socioeconomic mechanisms preventing
optimum use of ecosystem services: An interdisciplinary theoretical analysis.
Ecosystems 3(5):451–471.
Schmidt, M. 2012. Situación de la tierra en la provincia de Salta. Una aproximación al
contexto previo al Ordenamiento Territorial de Bosques Nativos. Estudios Rurales
2(3).
Schröter, M., G. M. Rusch, D. N. Barton, S. Blumentrath, y B. Nordén. 2014.
Ecosystem Services and Opportunity Costs Shift Spatial Priorities for Conserving
Forest Biodiversity. PLoS ONE 9(11):e112557.
Seghezzo, L., J. N. Volante, J. M. Paruelo, D. J. Somma, E. C. Buliubasich, H. E.
Rodríguez, S. Gagnon, y M. Hufty. 2011. Native forests and agriculture in Salta
(Argentina): Conflicting visions of development. Journal of Environment and
Development 20(3):251–277.
Sen, P. K. 1968. Estimates of the Regression Coefficient Based on Kendall‘s Tau.
Journal of the American Statistical Association 63(324):1379.
Shi, H., L. Li, D. Eamus, A. Huete, J. Cleverly, X. Tian, Q. Yu, S. Wang, L.
114
Montagnani, V. Magliulo, E. Rotenberg, M. Pavelka, y A. Carrara. 2017.
Assessing the ability of MODIS EVI to estimate terrestrial ecosystem gross
primary production of multiple land cover types. Ecological Indicators 72:153–
164.
Shimabukuro, Y. E., V. Duarte, L. O. Anderson, E. Arai, D. M. Valeriano, F. D. B. E.
Santo, y L. C. M. Aulicino. 2004. Deforestation detection in Brazilian Amazon
region in a near real time using Terra MODIS daily data. IGARSS 2004. 2004
IEEE International Geoscience and Remote Sensing Symposium 5(C):3405–3408.
Sletto, B., J. Bryan, M. Torrado, C. Hale, y D. Barry. 2013. Territorialidad, mapeo
participativo y política sobre los recursos naturales: la experiencia de América
Latina. Cuadernos de Geografía. Revista Colombiana de Geografía 22(2):193–
209.
Slutzky, D. 2005. Los conflictos por la tierra en el área de expansión agropecuaria del
NOA con especial referencia a la situación de los pequeños productores y a los
Pueblos Originarios. Revista Interdisciplinaria de Estudios Agrarios 23:59–100.
Steffen, W., W. Broadgate, L. Deutsch, O. Gaffney, y C. Ludwig. 2015. The trajectory
of the Anthropocene: The Great Acceleration. The Anthropocene Review 2(1):81–
98.
Steffen, W., R. Sanderson, P. Tyson, J. Jäger, P. Matson, B. Moore III, F. Oldfield, K.
Richardson, H. Schellnhuber, B. Turner, y R. Wasson. 2005. Global Change and
the Earth System. Springer-Verlag, Berlin/Heidelberg.
Steininger, M. K., C. J. Tucker, J. R. G. Townshend, T. J. Killeen, A. Desch, V. Bell, y
P. Ersts. 2001. Tropical deforestation in the Bolivian Amazon. Environmental
Conservation 28(2):127–134.
Stokols, D., R. P. Lejano, y J. Hipp. 2013. Enhancing the Resilience of Human-
Environment Systems: a Social Ecological Perspective. Ecology and Society
18(1):1–7.
Su, C., B. Fu, Y. Wei, Y. Lü, G. Liu, D. Wang, K. Mao, y X. Feng. 2012. Ecosystem
management based on ecosystem services and human activities: a case study in the
Yanhe watershed. Sustainability Science 7(1):17–32.
Tallis, H., H. Mooney, S. Andelman, P. Balvanera, W. Cramer, D. Karp, S. Polasky, B.
Reyers, T. Ricketts, S. Running, K. Thonicke, B. Tietjen, y A. Walz. 2012. A
Global System for Monitoring Ecosystem Service Change. BioScience 62(11):977–
986.
Tansley, A. G. 1935. The Use and Abuse of Vegetational Concepts and Terms. Ecology
16(3):284–307.
Tapella, E. 2007. El mapeo de Actores Claves. Documento de trabajo del proyecto
Efectos de la biodiversidad funcional sobre procesos ecosistémicos, servicios
ecosistémicos y sustentabilidad en las Américas: un abordaje interdisciplinario.
Universidad Nacional de Córdoba, Inter-American Institute for Global Research
(IAI).
The Nature Conservacy. 2005. Evaluación ecorregional del Gran Chaco Americano /
Gran Chaco Americano Ecoregional Assessment. Fundación Vida Silvestre
Argentina, Buenos Aires.
Theil, H. 1950. A Rank-Invariant Method of Linear and Polynomial Regression
115
Analysis. Páginas 345–381. Springer Netherlands.
Theobald, D. M., T. Spies, J. Kline, B. Maxwell, N. T. Hobbs, V. H. Dale, D. M.
Theobald, T. Spies, J. Kline, B. Maxwell, N. T. Hobbs, y V. H. Dale. 2005.
Ecological support for rural land-use planning. Ecological Applications
15(6):1906–1914.
Torrella, S. A., R. G. Ginzburg, J. M. Adámoli, y L. Galetto. 2013. Changes in forest
structure and tree recruitment in Argentinean Chaco: Effects of fragment size and
landscape forest cover. Forest Ecology and Management 307:147–154.
Torres, R., N. I. Gasparri, P. G. Blendinger, y H. R. Grau. 2014. Land-use and land-
cover effects on regional biodiversity distribution in a subtropical dry forest: a
hierarchical integrative multi-taxa study. Regional Environmental Change
14(4):1549–1561.
Turner, B., W. Clark, R. Kates, J. Richards, J. Mathews, y W. Meyer. 1993. The Earth
as Transformed by Human Action. Página (B. Turner, W. Clark, R. Kates, J.
Richards, J. Mathews, y W. Meyer, editores). Cambridge University Press.
Turner, B. L., R. E. Kasperson, P. A. Matson, J. J. McCarthy, R. W. Corell, L.
Christensen, N. Eckley, J. X. Kasperson, A. Luers, M. L. Martello, C. Polsky, A.
Pulsipher, y A. Schiller. 2003. A framework for vulnerability analysis in
sustainability science. Proceedings of the National Academy of Sciences of the
United States of America 100(14):8074–9.
UNCCD. 2015. A stronger UNCCD for a Land-Degradation Neural World. Bonn,
Germany.
Vallejos, M., S. Aguiar, M. Pérez, D. Ligier, N. Huykman, H. Méndez Casariego, y S.
Papagno. 2015. Capítulo 7: Análisis Social para el Ordenamiento Territorial Rural.
Página 574en J. M. et al Paruelo, editor.Ordenamiento Territorial: Conceptos,
Métodos y Experiencias. FAO, MAGyP & FAUBA, Buenos Aires, Argentina.
Viglizzo, E. F., J. M. Paruelo, P. Laterra, y E. G. Jobbágy. 2012. Ecosystem service
evaluation to support land-use policy. Agriculture, Ecosystems and Environment
154:78–84.
Viglizzo, E. F., A. J. Pordomingo, D. Buschiazzo, y M. G. Castro. 2005. A
methodological approach to assess cross-scale relations and interactions in
agricultural ecosystems of Argentina. Ecosystems 8(5):546–558.
Villamagna, A. M., P. L. Angermeier, y E. M. Bennett. 2013. Capacity, pressure,
demand, and flow: A conceptual framework for analyzing ecosystem service
provision and delivery. Ecological Complexity 15:114–121.
Villarino, S. H. 2016. Cambios del Carbono Orgánico edáfico en Ecosistemas
argentinos transformados a agricultura : su efecto sobre la provisión de servicios
ecosistémicos. Tesis Doctiral, Balcarce.
Villarroel Torrez, D. 2015. Cuantificación de la energía radiativa emitida por fuegos en
el centro de Sudamérica: Una aproximación para discriminar entre fuegos de
desmonte, agrícolas y naturales.
Vitousek, P. M. 1994. Beyond Global Warming: Ecology and Global Change. Ecology
75(7):1861–1876.
Vitousek, P. M., H. A. Mooney, J. Lubchenco, y J. M. Melillo. 1997. Human
116
Domination of Earth‘s Ecosystems. Science 277(5325).
Volante, J. N. 2014. Dinámica y consecuencias del cambio en la cobertura y el uso del
suelo en el Chaco Semi-Árido. Facultad de Agronomía, Universidad de Buenos
Aires.
Volante, J. N., D. Alcaraz-Segura, y M. J. Mosciaro. 2012. Ecosystem functional
changes associated with land clearing in NW Argentina. Agriculture, Ecosystems
& Environment 154:12–22.
Volante, J. N., y J. M. Paruelo. 2014. Is Forest Transition taking place ? Evidence for
the Semiarid Chaco in Argentina. Journal of Arid Environments:1–10.
Volante, J. N., y J. M. Paruelo. 2015. Is forest or Ecological Transition taking place?
Evidence for the Semiarid Chaco in Argentina. Journal of Arid Environments
123:21–30.
Walker, B. H. 1992. Biodiversity and Ecological Redundancy. Conservation Biology
6(1):18–23.
Ward, J. H. 1963. Hierarchical Grouping to Optimize an Objective Function. Journal of
the American Statistical Association 58:236–244.
Wolff, S., C. J. E. Schulp, y P. H. Verburg. 2015. Mapping ecosystem services demand:
A review of current research and future perspectives. Ecological Indicators
55:159–171.
Wong, C. P., B. Jiang, Kinzigm A.P., K. N. Lee, y Z. Ouyang. 2015. Linking ecosystem
characteristics to final ecosystem services for public policy. Ecology Letters
18:108–118.
Yahdjian, L., O. E. Sala, y K. M. Havstad. 2015. Rangeland ecosystem services:
shifting focus from supply to reconciling supply and demand. Frontiers in Ecology
and the Environment 13(1):44–51.
Zak, M. R., M. Cabido, D. Cáceres, y S. Díaz. 2008. What drives accelerated land cover
change in central Argentina? Synergistic consequences of climatic, socioeconomic,
and technological factors. Environmental Management 42(2):181–189.
Zak, M. R., M. Cabido, y J. G. Hodgson. 2004. Do subtropical seasonal forests in the
Gran Chaco, Argentina, have a future? Biological Conservation 120(4):589–598.
117
Anexos
118
Anexo 1. Comparación de los dieciocho artículos publicados en la literatura que incluyen clasificaciones de área deforestada, transformado, o cultivados
en la ecorregión del Chaco Seco. Se compara el área calculada en los trabajos y la superficie estimada en este trabajo, utilizando igual área. La tabla
incluye la extensión espacial y temporal , resolución conceptual de los estudios, el método utilizado para la clasificación, el área transformada declarada,
la proporción que esta zona representa en relación con el área de estudio en el período analizado, la precisión global declarada de la clasificación , la zona
transformada por este trabajo utilizando la misma extensión espacial y temporal, y la disponibilidad de la clasificación para su uso.
Spatial
extension Temporal extension
Spatial resolution
Temporal resolution
Conceptual resolution
Method Declared
transformed area
Transformed proportion
(relative to the study area)
Declared Overall Accuracy
Transformed area estimates
in Chapter 2 (same spatial and temporal
extension)
Available online
Boletta et al. 2006
Moreno, Santiago del
Estero, Argentina
(15,000 km2)
1975 to 1999
(25 years)
30 m - LANDSAT
1975-1992 and 1999
Forest, Shrubland, Grassland,
Agricultural Land, Bare Soil, Burnt Vegetation and
Urban Areas
Supervised classification (pixel
based using Maximum Likelihood
algorithm)
3,500 km2 (value estimated
from a graph) 23%
In 1975 = 94%; In 1992 = 98%; In 1999 = 95% (using land-use maps, GPS, and
photographs from field reports)
3,432 km2 NO
Caballero et al. 2014
Dry and Humid Chaco
(1,078,000 km2)
2013 Plot -
LANDSAT Intra-annual
Transformed plots (both rangelands
and cropland)
Manual digitalization (object based)
5,023 4,6% NO
No possible to compare in this version of the
database
http://www.guyra.org.py/?option=com_phocadownload&view=category&id=10:2013&Itemid=257&lan
g=es (2013)
Caldas et al. 2013
Paraguayan Dry and Humid Chaco
(230,000 km2)
2000-2011 (12 years)
250 m - MODIS
Annually
Palm Savanna, Hight and Low
Forest, Shrub/short forest, Natural
Grasslands, Introduced
Pasture/Crop Land
Unsupervised classification (using
the Isodata algorithm)
6,376 km2 3% In 2011 = 84%
No possible to calculate
because the different spatial
extension of the analysis
NO
Cardozo et al. 2013
Dry and Humid Chaco
(1,078,000 km2)
2012 Plot -
LANDSAT Intra-annual
Transformed plots (both rangelands
and cropland)
Manual digitalization (object based)
5,392 km2 0.5% NO 4,752 km2
(only for Dry Chaco)
http://www.guyra.org.py/?option=com_phocadownload&view=category&id=9:2012&lan
g=es (2012)
119
Spatial
extension Temporal extension
Spatial resolution
Temporal resolution
Conceptual resolution
Method Declared
transformed area
Transformed proportion
(relative to the study area)
Declared Overall Accuracy
Transformed area estimates
in Chapter 2 (same spatial and temporal
extension)
Available online
Casco Verna 2011
Dpto. Alto Paraguay, Paraguay
(82,349 km2)
1997 to 2011
(15 years)
Plot - LANDSAT
1997, 1999, 2002, 2004, 2005, 2008, 2009, 2010 and 2011
Agricultural use Manual digitalization
(object based) 13,578 km2
16.5% (acumulated
2011) NO
12,241 km2 (only for Dry
Chaco) NO
Clark et al. 2010
Dry Chaco (Olson et al.
2001) (787,000
km2)
2002 to 2006
(5 years)
250 m - MODIS
Annually
Agriculture, Plantations,
Herbaceous., Woody, Mixed
Woody, Built-Up, Bare and Water
Supervised classification (pixel
based using Random Forest algorithm)
26,352 km2 3% 79.3% (using Google Earth
interpretation) 26,763 km2 NO
Fundación Avina 2012
Dry and Humid Chaco
(1,078,000 km2)
2010 and 2011
Plot - LANDSAT
Intra-annual Transformed plots (both rangelands
and cropland)
Manual digitalization (object based)
2,661 km2 (2010) 2,946 km2 (2011)
2.5% (2010) 2.7 % (2011)
NO
8,514 km2 (2010)
7,259 km2 (2011)
(only for Dry Chaco)
http://www.guyra.org.py/?option=com_phocadownload&view=category&id=8:2011&Itemid=257&lang
=es (2011)
Gasparri and Grau
2009
Salta and Tucumán
(Yungas and Chaco),
Argentina (49,707 km2)
1972 to 2007
(16 years)
Plot - LANDSAT
1972, 1984, 1989, 1992,
1997/8, 2002 and
2007
Non Forest Manual digitalization
(object based) 14,520km2 29% 92%
No possible to calculate
because the different spatial
extension of the analysis
NO
Gasparri et al. 2013
Northern Argentine Dry Chaco (176,000
km2)
1972 to 2011
(40 years)
Plot - LANDSAT
1972, 1991, 1997, 2002,
2007 and 2011
Forest and Non Forest
Manual digitalization (object based)
27,000 km2 15% 92%
No possible to calculate
because the different spatial
extension of the analysis
NO
120
Spatial
extension Temporal extension
Spatial resolution
Temporal resolution
Conceptual resolution
Method Declared
transformed area
Transformed proportion
(relative to the study area)
Declared Overall Accuracy
Transformed area estimates by Vallejos et al. 2014 (same
spatial and temporal
extension)
Available online
Grau et al. 2005
San Martín, Anta and eastern
Orán, Salta, Argentina
(30,513 km2)
1972 to 2001
(30 years)
30 m - LANDSAT
1972-1984-1990-1007 and 2001
Forest and Non Forest
Manual digitalization (object based)
5,889 km2 19% 92% (using ground survey of located
points)
6,040 km2 (only for Dry
Chaco) NO
Hansen et al. 2013
Global (128,800,00
0 km2)
2001 to 2012
(12 years)
30 m - LANDSAT
Anually Forest Loss, Forest Gain, Forest Extent
Supervised classification (pixel
based using decision trees)
66,676 km2 (calculated with the
raster data in Dry Chaco ecoregion)
8%
99.6% (using a probability-based stratified random sample of 120m
blocks per biome)
73,336 km2 from 2001 to 2012 (70,685
km2 when polygons were rasterized at
30 x 30 m pixel size, as Hansen
et al. 2013)
http://earthenginepartners.appspot.com/sc
ience-2013-global-forest (2001-2012)
Hoyos et al. 2013
NE, NW and W of
Córdoba, Argentina (270 km2)
1979 to 2010
(32 years)
30 m - LANDSAT
1979, 1999, 2004 and
2010
Closed Forest, Open Forest,
Shrubland and Cultural Vegetation
Supervised classification (pixel based) and change detection analysis
57 km2 21%
In 2004 = 80%; In 2010 = 89%
(using Google Earth and field sampling
points)
No possible to calculate
because the different spatial
extension of the analysis
NO
Huang et al. 2009
Paraguay (397,948
km2)
1990 to 2000
(21 years)
250 m - MODIS
1990 and 2000
Atlantic Forest, Atlantic Forest
Loss, Water, Chaco Woodland, Chaco
Woodland Loss and Non Forest
Unsupervised and supervised
classification (isodata algorithm and
clusters based on defined training
pixels )
25,460 km2 6%
Between 0,92 and 0,95% for Chaco ecoregion (using
QickBird imagery)
No possible to calculate
because the different spatial
extension of the analysis
NO
Killeen et al. 2007
Bolivia (776,000
km2)
1976 to 2005
(30 years)
30 m - LANDSAT
1976-1986-1991-2000 and 2004
Forest, Scrubland, Grassland,
Wetland, Water, LCC<1991, LCC
1992-2000 and LCC 2001-2004
Supervised classification (pixel based using Isodata
algorithm)
54,454 km2 7%
Results as a frequency histogram
(Validation by comparison to
aerial videography acquired in 2005)
No possible to calculate
because the different spatial
extension of the analysis
NO
121
Spatial
extension Temporal extension
Spatial resolution
Temporal resolution
Conceptual resolution
Method Declared
transformed area
Transformed proportion
(relative to the study area)
Declared Overall Accuracy
Transformed area estimates by Vallejos et al. 2014 (same
spatial and temporal
extension)
Available online
Primer inventario Nacional
de Bosques Nativos,
2007
Parque Chaqueño (675,363
km2)
1997/9 Plot -
LANDSAT One year
Forest land, rural forests, other wooded land,
other lands (1st Level)
Manual digitalization (object based)
86,398 km2 (Agricultural land,
2nd Level) 12.8%
77% (2nd Level, using ground
control points)
67,765 km2
(only for Dry Chaco)
NO
Unidad de manejo
del Sistema de Evaluación
Forestal (UMSEF)
Chaqueño, Selva
Misionera y Selva
Tucumano Boliviana, Argentina
2006-2011 Plot -
LANDSAT
2006, 2007/8,
2010 and 2011
Forest lands, other forest lands
Manual digitalization (object based)
17,794 km2 (“other forest
land” loss)
Does not specify the study area.
NO
No possible to calculate
because the different spatial
extension of the analysis
NO
Vallejos et al. 2014
Dry Chaco (Olson et al.
2001) (787,000
km2)
1976 to 2012
(37 years)
Plot - LANDSAT
Decadally 1976-1986-
1996; Anually from
2000 to 2012
Transformed plots (both rangelands
and cropland)
Manual digitalization (object based)
158,137 km2 21%
97.8% (using random points in historical imagery
from Google Earth)
-
http://monitoreodesmonte.c
om.ar/gis (1976-2012)
Volante et al. 2012
NW Argentina
(Salta, Sgo. del Estero, Tucumán, Jujuy and
Catamarca) (104,000
km2)
2000 to 2007
(8 years)
Plot - LANDSAT
Anually Transformed plot (both rangelands
and cropland)
Manual digitalization (object based)
27,576 km2 27% NO
No possible to calculate
because the different spatial
extension of the analysis
NO
Zak and Cabido 2002
Northern Córdoba, Argentina
(40,000 km2)
1999 30 m -
LANDSAT One year
Lowland cover types, Mountain cover types and
Cultural landscapes
Unsupervised classification followed by supervised
classification (pixel based using
Maximum Likelihood algorithm)
13,220 km2 (Cultural
landscapes) 33%
83% (using ground truth survey)
No possible to calculate
because the different spatial
extension of the analysis
NO
122
Referencias – Anexo 1
Boletta, P.E., Ravelo, A.C., Planchuelo, A.M.
andGrilli, M. 2006.Assessing deforestation in the
Argentine Chaco. Forest Ecology and
Management, 228:108-114.
Caballero, J., Palacios, F., Arévalos, F., Rodas, O.,
Yanosky, A. 2014. Cambio de Uso De La Tierra en
el Gran Chaco Americano en el año 2013.
Paraquaria Natural, 2(1): 21-28.
Caldas, M.M., Goodin, D., Sherwood, S., Campos
Krauer, J.M. and Wisely, S.M. 2013. Land-cover
change in the Paraguayan Chaco: 2000–2011.
Journal of Land Use Science, 1-18.
Cardozo, R., Palacios, F., Rodas, O., Yanosky, A.
2013. Cambio de Uso De La Tierra en el Gran
Chaco Americano en el año 2012. Paraquaria
Natural, 1(2): 43-49.
Casco Verna, G.E. Análisis del avance del uso
agropecuario en el Dpto. de Alto Paraguay, entre
los años 1997, 1999, 2002, 2004, 2005, 2008,
2009, 2010 y 2011. Secretaría de Ambiente
Paraguay. Dirección General De Gestión
Ambiental Dirección De Ordenamiento Ambiental
Del Territorio Dpto. De Teledetección Y Sig Dpto.
De Análisis Y Evaluación Ambiental. Agosto 2011.
Clark, M.L, Aide, T.M, Grau, H.R. and Riner, G.
2010. A scalable approach to mapping annual
land cover at 250 m using MODIS time series
data: A case study in the Dry Chaco ecoregion of
South America. Remote Sensing of Environment,
114:2816-2832.
Fundación Avina. Informe Final Técnico 2010 –
2011. Monitoreo de los Cambios de Uso de la
Tierra, Incendios e Inundaciones del Gran Chaco.
Asociación Guyra Paraguay. Asunción, abril 2012.
Gasparri, I.N. and Grau, H.R. 2009. Deforestation
and fragmentation of Chaco dry forest in NW
Argentina (1972-2007). Forest Ecology and
Management, 258:913-921.
Gasparri, N.I., Grau, H.R. and Gutiérrez Angonese
J. 2013. Linkages between soybean and
neotropical deforestation: Coupling and transient
decoupling dynamics in a multi-decadal analysis.
Global Environmental Change, 23(6):1605–1614.
Grau, H.R., Gasparri, N.I. and Aide, T.M. 2005.
Agriculture expansion and deforestation in
seasonally dry forests of north-west Argentina.
Environmental Conservation, 32(2): 140–148
Hansen, M.C., Potapov, P.V., Moore, R., Hancher,
M., Turubanova, S.A., Tyukavina, A., Thau, D.,
Stehman, S.V., Goetz, S.J., Loveland, T.R.,
Kommareddy, A., Egorov, A., Chini, L., Justice,
C.O. and Townshend, J.R.G.2013. High-Resolution
Global Maps of 21st-Century Forest Cover
Change. Science, 342:850-853.
Hoyos, L.E., Cingolani, A.M., Zak, M.R., Vaieretti,
M.V., Gorla D.E. and Cabido M.R. 2013.
Deforestation and precipitation patterns in the
arid Chaco forests of central Argentina. Applied
Vegetation Science, 16:260-271.
Huang, C., Kim, S., Song, K., Townshend, J.R.G.,
Davis, P., Altstatt, A., Rodas, O., Yanosky, A., Clay,
R., Tucker, C.J. and Musinsky, J. 2009. Assessment
of Paraguay's forest cover change using Landsat
observations. Global and Planetary Change, 67:1–
12.
Killeen, T,J., Calderon, V, Soria, L. Quezada, B.,
Steininger, M.K., Harper, G. Solórzano, L.A. and
Tucker, C.J., 2007.Thirty Years of Land-cover
Change in Bolivia. AMBIO: A Journal of the Human
Environment, 36(7):600-606.
Primer inventario Nacional de Bosques Nativos:
Informe Regional Parque Chaqueño. Buenos
Aires, Secretaría de Ambiente y Desarrollo
Sustentable de la Nación, 2007. 114 p. ISBN 978-
987-23575-1-1.
Unidad de manejo del Sistema de Evaluación
Forestal (UMSEF). Monitoreo de la Superficie de
Bosque Nativo: Período 2006-2011. Regiones
Forestales Parque Chaqueño, Selva Misionera y
Selva Tucumano Boliviana. Secretaría de
Ambiente y Desarrollo Sustentable de la Nación.
Junio 2012.
Volante, J.N., Alcaraz-Segura, D., Mosciaro,
J.M,Viglizzo, E.Fand Paruelo, J.M. 2012.
Ecosystem functional changes associated with
land clearing in NW Argentina. Agriculture,
Ecosystems & Environment, 154:12-22.
Zak. M.A. and Cabido, M. 2002. Spatial patterns of
the Chaco vegetation of central Argentina:
Integration of remote sensing and
phytosociology. Applied Vegetation Science,
5:213-226.
123
Anexo 2. Matriz de contingencia y precisión global de la clasificación del uso del suelo, para el
período 2002-2012.Para la elaboración de la matriz se usaron imágenes históricas de alta resolución
provenientes de ―Google Earth‖. Se distribuyeron 500 puntos aleatorios para comparar las imágenes
de alta resolución con la base de datos geoespacial propia.
Vallejos et al.
Transformación Cobertura
Original TOTAL Precisión del
productor
Google Earth
Transformación 863 58 921 93.7%
Cobertura Original 51 4028 4079 98.7%
TOTAL 914 4086 5000 Precisión del Usuario 94.4% 98.6%
Precisión global = 97.81%
Anexo 3. Der: Precisión año a año para el período 2002-2012. Los valores se obtuvieron usando
imágenes históricas de alta resolución provenientes de Google Earth. Se distribuyeron 500 puntos
aleatorios para comparar las imágenes de alta resolución con la base de datos geoespacial propia.
Der: Ubicación de las imágenes históricas de alta resolución provenientes de Google Earth (2002 a
2012) y distribución de puntos aleatorios (puntos rojos) usados para comparar las imágenes de alta
resolución con la base de datos geo-espacial propia.
Año de
transformación Precisión
(%)
2002 97.9%
2003 97.0%
2004 98.1%
2005 96.0%
2006 98.3%
2007 98.8%
2008 99.2%
2009 95.6%
2010 97.4%
2011 97.8%
2012 99.2%
TOTAL 97.8%
124
Anexo 4. Distribución de las variables explicativas a escala de radio censal en el área de estudio. Los valores son relativos, cuanto más oscuro más alto el
valor.
BN
EVI.MEDIA
EVI.CV
CULTAN
CULTFORR CARGA
RIEGO
TRACTORES
MO.PERM
NBI
DENS.POB
ESCUELAS CAMINOS
DESMOCRIA
T.JURIDICO TENENCIA
125
Anexo 5. Análisis de correlación entre variables explicativas. En el sector inferior izquierdo se observa el coeficiente de correlación, mientras que en el sector
superior derecho se observa el valor p de la correlación.
BN
EVI. MEDIA EVI.CV
DENS. POB NBI
MO. PERM
ESCUE LAS CULTAN
CULT FORR CRIA RIEGO TRACT CARGA DESMO CAMIN
T.JURI DICO
TENEN CIA
BN 1 0 0.35 0 0 0 0 0 0 0 0 0 0 0 0 0.892 4.00E-04
EVI.MEDIA -0.36 1 0 0 0.0497 0 0 0 0.046 0 0.283 0 0 0 0 8.00E-04
0.570
EVI.CV 0.02 -0.40 1 0 0.810 0 0.441 0 0 0 0 0 0 0 0.0901 0.334 0
DENS.POB -0.28 0.20 0.12 1 0.9154 0 0 0 0.406 0 0 0 0.396 6.00E-04
0 0.0392 0
NBI 0.12 -0.04 -0.01 0.00 1 0.188 0.138 0.0076 0.418 0.002 0.838 0.478 0.131 3.00E-04
0.0142 0.343 0.002
MO.PERM -0.20 0.15 0.11 0.43 -0.03 1 0 0 0.883 0 0 0 0.3558 0 0 0.015 0.017
ESCUELAS -0.16 0.15 0.02 0.34 -0.03 0.18 1 0 0.446 0 0 0 0.0018 0.175 0 0.653 0.004
CULTAN -0.40 0.27 0.46 0.40 -0.06 0.34 0.18 1 0.179 0 0 0 0.99 0 0 0.0039 0.044
CULTFORR -0.16 -0.04 0.16 -0.02 -0.02 0.00 0.02 0.03 1 0.094 0 0.0892 0 0 0 0.499 0
CRIA -0.13 -0.17 -0.09 -0.21 -0.07 -0.17 -0.13 -0.19 0.04 1 0 0 0 0.526 0 3.00E-04 0
RIEGO -0.15 -0.02 0.18 0.24 0.00 0.31 0.13 0.17 0.27 -0.14 1 0 0 0.0128 0.0011 0.788 0.058
TRACT -0.30 0.16 0.21 0.63 -0.02 0.48 0.23 0.55 0.04 -0.19 0.35 1 0.1152 0 0 0.0019 0
CARGA -0.21 0.20 -0.21 0.02 -0.03 0.02 0.07 0.00 0.09 0.12 -0.11 -0.03 1 0 0 4.00E-04
0.0164
DESMO -0.24 0.17 0.16 0.07 -0.08 0.18 0.03 0.45 0.25 -0.01 0.05 0.12 0.22 1 0 0.301 0.096
CAMINOS -0.24 0.24 0.04 0.36 -0.05 0.30 0.20 0.43 0.11 -0.17 0.07 0.31 0.19 0.56 1 0.004 0
T.JURIDICO 0.00 0.07 -0.02 0.04 -0.02 0.05 0.01 0.06 0.01 0.08 0.01 0.07 0.08 0.02 0.06 1 6.00E-04
TENENCIA 0.08 -0.01 -0.09 0.13 0.07 0.05 0.06 -0.04 -0.11 -0.22 -0.04 0.13 0.05 -0.04 0.12 -0.07 1
126
Anexo 6. Consultas a VARSAT (plataforma de imágenes satelitales LART-FAUBA, en PostgreSQL) para la extracción de series temporales de IVN
(MOD13Q1)
Ejecutar script grilla_mas_interseccion en OSGeo4w
Python grill_mas_interseccion_v2.0.py nombreentrada.shp noombresalida.shp proporcion(0-1)
buffer_08km_sinu
(Proy sphere sinusoidal)
grilla_pixeles
Importar Shp a Postgres
Desde QGis > Caja de herramientas > Import to postgis
SRID=96842 (EPSG MODIS)
schema=wichis
PIX PUROS
1.7 millones
Pixeles_km18
gid **
the_geom
mod13q1
rid
rast
filename
the_geom
fecha
CREATE TABLE wichis.centroides_km18_ndvi AS
SELECT c.gid, c.id, r.fecha, c.the_geom, st_value(r.rast, c.the_geom) AS ndvi
FROM wichis.pixeles_km18_centroides AS c, rasters.mod13q1_ndvi AS r
WHERE st_contains(r.the_geom, c.the_geom)
EXTRACCIÓN POR VAR-SAT
centroides_km18_ndvi
gid **
fecha
the_geom
ndvi
centroides_km18_evi
gid **
fecha
the_geom
evi
UNION
CREATE TABLE wichis.centroides_km18_ndvi_evi AS
SELECT a.gid, a.st_centroid, a.fecha,
, EXTRACT (year FROM fecha) AS anio
, EXTRACT (month FROM fecha) AS mes
, EXTRACT (day FROM fecha) AS dia
, (fecha - ('1-1-'||date_part('year', fecha))::date + 1) AS doy
, a.ndvi, b.evi
FROM wichis.centroides_km18_ndvi AS a
JOIN wichis.centroides_km18_evi AS b
ON a.gid=b.gid AND a.fecha=b.fecha
pixeles_km18_centroides
gid **
the_geom
Buffer_km08_sinu
id_comu
buff_dist
the_geom
buffer_km08_2001
gid
buff_dist
id_comu
the_geom
CREATE TABLE wichis.pixeles_km18_centroides AS
SELECT gid, id, ST_CENTROID(the_geom) AS the_geom
FROM wichis.pixeles_km18
Shp Comunidades
BUFFER (3)
centroides_km18_ndvi_evi
gid **
st_centroid
fecha
anio
mes
dia
doy
ndv
evii
qa
CREATE TABLE wichis.centroides_km08_2001 AS
SELECT a.gid, b.buff_dist, b.id_comu
FROM wichis.pixeles_km18 as a, wichis.buffer_km08_2001 as b
WHERE ST_WITHIN(a.the_geom, b.the_geom);
centroides_km08_2001
gid **
buff_dist
id_comu
CREATE TABLE wichis.centroides_km08_evi_2001 AS
SELECT a.id_comu, b.fecha, AVG (b.evi), STDDEV (b.evi), COUNT(b.evi)
FROM wichis.centroides_km08_2001 AS a
LEFT JOIN (SELECT * FROM wichis.centroides_km18_evi_year WHERE anio=2001) AS b
ON a.gid=b.gid
GROUP BY a.id_comu, b.fecha;
SELECCIÓN DE PIXELES PUROS PARA C/ BUFFER-ANIO
CREATE TABLE wichis.buffer_km08_2001 AS
SELECT gid, buff_dist, id_comu, ST_DIFFERENCE (the_geom,
(SELECT ST_UNION (the_geom) FROM wichis.desmo_km18 WHERE anio_desmo <=2001)) AS the_geom
FROM wichis.buffer_km08_sinu;
desmo_km18
id_lote
anio_desmo
the_geom
Desmo_km18
(Proy sphere sinusoidal)
Importar Shp a Postgres
schema=wichis
SRID=96842
Postgis shapefile and DBF exporter
Importar Shp a Postgres
schema=wichis
SRID=96842
Postgis shapefile and DBF exporter
INTERSECT
Shp_desmo: desmo_2015
centroides_km08_evi_2001
id_comu
fecha
avg(edvi)
stdde(evi)
count(evi)
CREATE TABLE wichis.centroides_km_08_evi_total AS
SELECT * FROM wichis.centroides_km08_evi_2001_
UNION ALL
SELECT * FROM wichis.centroides_km08_evi_2002_
...
SELECT * FROM wichis.centroides_km18_evi_2014_
UNION ALL YEARS
VALORES PROMEDIO POR ID_COMU PARA C/ BUFFER-ANIO/FECHA
ST_CENTROID
SHP PARA C/ BUFFER-ANIO
ALTER TABLE wichis.centroides_km18_ndvi ADD COLUMN anio int;
UPDATE wichis.centroides_km18_ndvi SET anio = EXTRACT (year FROM fecha);
SELECT gid, buff_dist, id_comu, ST_AsText(the_geom)
FROM wichis.buffer_km08_2001;
TABLE TO WKT
CREATE TABLE wichis.centroides_km18_evi_year AS
SELECT gid, fecha
, EXTRACT (year FROM fecha) AS anio
, evi, the_geom
FROM wichis.centroides_km18_evi;
centroides_km18_evi_year
gid **
fecha
anio
evi
the_geom
ALTER TABLE wichis.centroides_km08_evi_2001 ADD COLUMN buff_dist int;
UPDATE wichis.centroides_km08_evi_2001 SET buff_dist = 8000;
CREATE TABLE wichis.centroides_km08_evi_2001_ AS
SELECT buff_dist, id_comu, fecha
, EXTRACT (year FROM fecha) AS anio
, EXTRACT (month FROM fecha) AS mes
, EXTRACT (day FROM fecha) AS dia
, (fecha - ('1-1-'||date_part('year', fecha))::date + 1) AS doy
, avg, stddev, count
FROM wichis.centroides_km08_evi_2001
ORDER BY id_comu, fecha;
centroides_km08_evi_2001_
buff_dist
id_comu
fecha
anio
mes
dia
doy
avg(edvi)
stdde(evi)
count(evi)
ST_DIFFERENCE
ST_WHITHIN
PARA SUBIR EN PYTHON
CREATE TABLE wichis.centroides_EVI_TOTAL AS
SELECT * FROM wichis.centroides_km08_evi_tot
UNION ALL
SELECT * FROM wichis.centroides_km14_evi_tot
UNION ALL
SELECT * FROM wichis.centroides_km18_evi_tot
UNION ALL BUFFERS
CREATE TABLE wichis.buffer_km18_sup_2001 AS
SELECT id_comu, buff_dist, ST_Area(ST_Transform(the_geom, 22174))/1000000 as Area_km2 FROM wichis.buffer_km18_2001;
AREA DE POLIGONO EN SRC = POSTGAR 98 (22174)
ALTER TABLE wichis.buffer_km18_sup_2001 ADD COLUMN anio_buf int;
UPDATE wichis.buffer_km18_sup_2001 SET anio_buf = 2001;
buffer_km08_sup_2001
gid
buff_dist
id_comu
anio_buf
CREATE TABLE wichis.buffer_km14_ring (buff_dist int, id_comu int, the_geom geometry(Polygon,96842))
buffer_14km_sinubuffer_08km_sinu
buffer_18km_sinu
DO
$do$
BEGIN
FOR i IN 1..202 LOOP
INSERT INTO wichis.buffer_km14_ring (buff_dist, id_comu, the_geom) -- use table & col names
(SELECT buff_dist, id_comu, ST_DIFFERENCE (the_geom,
(SELECT the_geom FROM wichis.buffer_km08_sinu WHERE id_comu=i)) AS the_geom
FROM wichis.buffer_km14_sinu
WHERE id_comu=i);
END LOOP;
END;
$do$;
1) EMPTY TABLE
2) LOOP: ST_DIFFERENCE x ID_comu
Repetir con BUFF 18
LOOP para cortar anillos
AGREGAR AÑO al BUFFER